論文の概要: Subspecialty-Specific Foundation Model for Intelligent Gastrointestinal Pathology

• arxiv url: http://arxiv.org/abs/2505.21928v1
• Date: Wed, 28 May 2025 03:22:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-29 17:35:50.392972
• Title: Subspecialty-Specific Foundation Model for Intelligent Gastrointestinal Pathology
• Title（参考訳）: 腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下摘出術 : 腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下腹腔鏡下下
• Authors: Lianghui Zhu, Xitong Ling, Minxi Ouyang, Xiaoping Liu, Mingxi Fu, Tian Guan, Fanglei Fu, Xuanyu Wang, Maomao Zeng, Mingxi Zhu, Yibo Jin, Liming Liu, Song Duan, Qiming He, Yizhi Wang, Luxi Xie, Houqiang Li, Yonghong He, Sufang Tian,
• Abstract要約: Digepathは、GI病理学の専門的な基礎モデルである。 これは、20万以上のヘマトキシリンとエオシン含有のGI疾患のスライドから3億3300万枚以上の画像パッチで事前訓練されている。 疾患診断、分子予測、遺伝子変異予測、予後評価など、GI病理に関連する34のタスクのうち33の最先端のパフォーマンスを達成している。
• 参考スコア（独自算出の注目度）: 37.614512499537696
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Gastrointestinal (GI) diseases represent a clinically significant burden, necessitating precise diagnostic approaches to optimize patient outcomes. Conventional histopathological diagnosis, heavily reliant on the subjective interpretation of pathologists, suffers from limited reproducibility and diagnostic variability. To overcome these limitations and address the lack of pathology-specific foundation models for GI diseases, we develop Digepath, a specialized foundation model for GI pathology. Our framework introduces a dual-phase iterative optimization strategy combining pretraining with fine-screening, specifically designed to address the detection of sparsely distributed lesion areas in whole-slide images. Digepath is pretrained on more than 353 million image patches from over 200,000 hematoxylin and eosin-stained slides of GI diseases. It attains state-of-the-art performance on 33 out of 34 tasks related to GI pathology, including pathological diagnosis, molecular prediction, gene mutation prediction, and prognosis evaluation, particularly in diagnostically ambiguous cases and resolution-agnostic tissue classification.We further translate the intelligent screening module for early GI cancer and achieve near-perfect 99.6% sensitivity across 9 independent medical institutions nationwide. The outstanding performance of Digepath highlights its potential to bridge critical gaps in histopathological practice. This work not only advances AI-driven precision pathology for GI diseases but also establishes a transferable paradigm for other pathology subspecialties.
• Abstract（参考訳）: 消化器疾患(GI)は臨床的に重要な重荷であり、患者結果の最適化に正確な診断アプローチが必要である。 従来の病理組織学的診断は、病理学者の主観的解釈に大きく依存しており、再現性と診断の多様性が制限されている。 これらの制約を克服し, GI病の病態特異的基盤モデルの欠如に対処するため, GI病の専門的基盤モデルであるDigepathを開発した。 本フレームワークでは,スライディング画像中の微小分散病変領域の検出に特化して,プリトレーニングとファインスクリーニングを組み合わせた2相反復最適化手法を提案する。 Digepathは、20万以上のヘマトキシリンとエオシン含有のGI疾患のスライドから3億3300万枚以上の画像パッチに事前訓練されている。 疾患診断,分子予測,遺伝子変異予測,予後評価など,GI病理学に関わる課題34件中33件について,特に診断学的に曖昧な症例や組織分類や,早期GIがんのインテリジェントスクリーニングモジュールを翻訳し,全国9つの独立した医療機関で99.6%の感度を達成している。 Digepathの卓越した業績は、病理学的実践において重要なギャップを埋める可能性を強調している。 この研究は、GI病に対するAI駆動の精密病理学を前進させるだけでなく、他の病理学の亜種に対する伝達可能なパラダイムを確立している。

関連論文リスト

• Enhancing Thyroid Cytology Diagnosis with RAG-Optimized LLMs and Pa-thology Foundation Models [0.0]
  本研究は,病理基盤モデルを用いたAUC拡張大言語モデル(LLM)の甲状腺診断への応用について検討した。 キュレートされた知識ベースを活用することにより、RAGは関連するケーススタディ、診断基準、専門家の解釈のダイナミック検索を促進する。 これらのAI駆動のアプローチの融合は、診断の整合性を高め、多様性を低下させ、悪性甲状腺病変から良性を排除する病理学者を支援する。
  論文  参考訳（メタデータ） (2025-05-13T14:01:35Z)
• A Multi-Site Study on AI-Driven Pathology Detection and Osteoarthritis Grading from Knee X-Ray [0.0]
  変形性関節症や変形性膝関節症のような骨の健康障害は、世界的な健康問題を引き起こす。 本研究では, 膝X線を解析し, 重要な病態を検出するAIシステムを提案する。 また、変形性関節症の重症度も評価し、タイムリーにパーソナライズされた治療を可能にしている。
  論文  参考訳（メタデータ） (2025-03-28T06:41:22Z)
• A Knowledge-enhanced Pathology Vision-language Foundation Model for Cancer Diagnosis [58.85247337449624]
  本稿では,疾患知識を階層型セマンティックグループ内のアライメントに組み込む知識強化型視覚言語事前学習手法を提案する。 KEEPはゼロショット癌診断タスクにおいて最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-12-17T17:45:21Z)
• Anatomy-Guided Radiology Report Generation with Pathology-Aware Regional Prompts [3.1019279528120363]
  生成AIを報告する放射線学は、臨床ワークロードを緩和し、医療を合理化するための大きな可能性を秘めている。 既存のシステムは、固定サイズ、パッチレベルの画像特徴、病理情報の組み入れが不十分なため、しばしば不足する。 本稿では,病的・病態的情報を多種多様な尺度で明確に統合するために,病理学的に認識された地域的プロンプトを活用する革新的なアプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-16T12:36:20Z)
• Exploring the Feasibility of Multimodal Chatbot AI as Copilot in Pathology Diagnostics: Generalist Model's Pitfall [17.9731336178034]
  ChatGPTや他のマルチモーダルモデルは、医療ビジョン言語質問応答などの機能を通じて、医療画像解析を変換する可能性を示している。 本研究は,病理画像におけるGPTの性能をベンチマークし,その診断精度と実単語臨床記録の効率を評価する。 骨疾患におけるGPTの有意な欠損と他の3つの疾患の公平なパフォーマンスを観察した。
  論文  参考訳（メタデータ） (2024-09-04T01:30:05Z)
• Potential of Multimodal Large Language Models for Data Mining of Medical Images and Free-text Reports [51.45762396192655]
  特にGemini-Vision-Series (Gemini) と GPT-4-Series (GPT-4) は、コンピュータビジョンのための人工知能のパラダイムシフトを象徴している。 本研究は,14の医用画像データセットを対象に,Gemini,GPT-4,および4つの一般的な大規模モデルの性能評価を行った。
  論文  参考訳（メタデータ） (2024-07-08T09:08:42Z)
• AI-based Anomaly Detection for Clinical-Grade Histopathological Diagnostics [24.833696455985795]
  臨床では、病気はほとんどないが、ほとんどの疾患は少ない。 現在のAIモデルは、これらの病気を見落としたり、分類ミスしたりする。 そこで本研究では,より頻度の低い疾患も検出するために,一般的な疾患からのトレーニングデータのみを必要とする深層異常検出手法を提案する。
  論文  参考訳（メタデータ） (2024-06-21T04:59:19Z)
• Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
  RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。 私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
  論文  参考訳（メタデータ） (2023-12-26T18:20:48Z)
• Multi-Scale Hybrid Vision Transformer for Learning Gastric Histology: AI-Based Decision Support System for Gastric Cancer Treatment [50.89811515036067]
  胃内視鏡検査は、早期に適切な胃癌(GC)治療を判定し、GC関連死亡率を低下させる有効な方法である。 本稿では,一般のGC治療指導と直接一致する5つのGC病理のサブ分類を可能にする実用的なAIシステムを提案する。
  論文  参考訳（メタデータ） (2022-02-17T08:33:52Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。