不确定性意识和因果测试时间适应性基础模型,用于强大的结直肠癌病理学诊断
Shenghan Lou1, Genshen Mo1, Xiao Zhang2
1Department of Oncology Surgery, Harbin Medical University Cancer Hospital, No.150 Haping Road, Harbin, 150081, Heilongjiang, China.
NPJ digital medicine
|December 6, 2025
概括
一个新的基础模型,UAD-FM,通过提高准确性和可靠性来增强结直肠癌 (CRC) 诊断. 它解决了计算病理学中的领域转移和不确定性问题,以获得更好的临床应用.
科学领域:
- 计算病理学计算病理学
- 人工智能在瘤学中的应用
- 数字病理学数字病理学
背景情况:
- 结肠直肠癌 (CRC) 诊断依赖于H&E染色全幻灯片图像的组织病理学.
- 当前的计算病理学模型面临诸如域移位和不可靠的不确定性估计等挑战,阻碍了临床使用.
研究的目的:
- 开发一种可靠的CRC诊断基础模型,克服现有的计算病理学工具的局限性.
- 为了提高诊断的准确性,可靠性和可泛化性在不同的数据集.
主要方法:
- 介绍了UAD-FM,一种不确定性意识和因果适应的基础模型.
- 综合的认识论 - aleatoric不确定性分解和因果测试时间适应与do干预.
- 使用后期校准进行可靠的推断,并生成可解释的不确定性图.
主要成果:
- 在五个公开的CRC数据集中,UAD-FM表现出卓越的准确性,校准和域稳定性.
- 在CRC组织病理学评估中表现优于现有的基础模型和适应基线.
- 提供可解释的不确定性地图,以帮助人类-AI在诊断方面的合作.
结论:
- UAD-FM提供了一个统一的,透明的框架,用于可靠和可泛化的CRC病理诊断.
- 该模型增强了AI在异质环境中的可信度和临床适用性.
- 解决了计算病理学的关键局限性,以改善癌症诊断.
更多相关视频
07:35Evaluation of Colorectal Cancer Risk and Prevalence by Stool DNA Integrity Detection
Published on: June 8, 2020
7.3K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
472
