論文の概要: From Generic to Specialized: A Subspecialty Diagnostic System Powered by Self-Supervised Learning for Cervical Histopathology
- arxiv url: http://arxiv.org/abs/2510.10196v1
- Date: Sat, 11 Oct 2025 12:22:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-14 18:06:29.837878
- Title: From Generic to Specialized: A Subspecialty Diagnostic System Powered by Self-Supervised Learning for Cervical Histopathology
- Title（参考訳）: 遺伝学から専門化へ:頚部病理組織学における自己監督学習を利用したサブスペシャリティ診断システム
- Abstract要約: 本稿では,Cervical Sub-Path (CerS-Path) 診断システムについて紹介する。
11万のスライドから1億9000万の組織パッチを自己教師付きで学習し、頸部特異的な特徴抽出装置を構築する。
250万のイメージテキストペアによるマルチモーダルエンハンスメント、続いて複数の下流診断機能との統合。
- 参考スコア（独自算出の注目度）: 29.378512559906977
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Cervical cancer remains a major malignancy, necessitating extensive and complex histopathological assessments and comprehensive support tools. Although deep learning shows promise, these models still lack accuracy and generalizability. General foundation models offer a broader reach but remain limited in capturing subspecialty-specific features and task adaptability. We introduce the Cervical Subspecialty Pathology (CerS-Path) diagnostic system, developed through two synergistic pretraining stages: self-supervised learning on approximately 190 million tissue patches from 140,000 slides to build a cervical-specific feature extractor, and multimodal enhancement with 2.5 million image-text pairs, followed by integration with multiple downstream diagnostic functions. Supporting eight diagnostic functions, including rare cancer classification and multimodal Q&A, CerS-Path surpasses prior foundation models in scope and clinical applicability. Comprehensive evaluations demonstrate a significant advance in cervical pathology, with prospective testing on 3,173 cases across five centers maintaining 99.38% screening sensitivity and excellent generalizability, highlighting its potential for subspecialty diagnostic translation and cervical cancer screening.
- Abstract（参考訳）: 頸部癌は大きな悪性腫瘍であり、広範囲で複雑な病理組織学的評価と包括的支援ツールを必要とする。
ディープラーニングは将来性を示すが、これらのモデルは精度と一般化性に欠ける。
一般的な基礎モデルは、より広範なリーチを提供するが、サブ特殊性固有の特徴とタスク適応性を取得することに制限されている。
本稿では,Cervical Subspecialty Pathology (CerS-Path) 診断システムを2つの相乗的事前訓練段階(約1億9000万の組織パッチを140,000のスライドから自己監督的に学習し,頸部特異的な特徴抽出器を構築し,250万の画像テキストペアによるマルチモーダル拡張を行い,さらに下流診断機能との統合を行った。
まれながん分類やマルチモーダルQ&Aを含む8つの診断機能をサポートするCerS-Pathは、スコープと臨床応用性において、以前の基礎モデルを上回っている。
包括的評価は頚部病理学に大きな進歩を示し、99.38%のスクリーニング感度と優れた一般化性を維持し、5つのセンターで3,173件の検査が実施され、亜種診断翻訳と頸部がん検診の可能性を強調している。
関連論文リスト
- MedReaMM: Evaluating Large Multimodal Models on Expert-Level Clinical Diagnostic Synthesis [61.266743965495884]
異種臨床証拠を合成するモデルの能力を評価するためのベンチマークであるMedReaMMを紹介する。
MedReaMMは625の専門患者と、平均2.79の医療画像と、ICD-11コードで注釈付けされた1,042の標準診断を含む。
23大マルチモーダルモデル (LMM) を評価し, 診断精度が50%未満であることが確認された。
論文 参考訳（メタデータ） (2026-08-23T09:37:53Z) - BRIGHT: A Collaborative Generalist-Specialist Foundation Model for Breast Pathology [45.17010679841919]
一般病理基盤モデル (PFM) は様々な臨床応用において顕著な予測能力を示した。
乳腺病理に特化して設計された最初のPFMであるBRIGHTを提案する。
論文 参考訳（メタデータ） (2026-03-03T14:24:35Z) - Evolving Diagnostic Agents in a Virtual Clinical Environment [75.59389103511559]
本稿では,大規模言語モデル(LLM)を強化学習を用いた診断エージェントとして訓練するためのフレームワークを提案する。
本手法は対話型探索と結果に基づくフィードバックによって診断戦略を取得する。
DiagAgentはDeepSeek-v3やGPT-4oなど、最先端の10のLLMを著しく上回っている。
論文 参考訳（メタデータ） (2025-10-28T17:19:47Z) - An Explainable Hybrid AI Framework for Enhanced Tuberculosis and Symptom Detection [55.35661671061754]
結核は、特に資源に制限された遠隔地において、重要な世界的な健康問題である。
本稿では, 胸部X線による疾患および症状の検出を, 2つの頭部と自己監督頭部を統合することで促進する枠組みを提案する。
本モデルでは, 新型コロナウイルス, 結核, 正常症例の鑑別で98.85%の精度が得られ, マルチラベル症状検出では90.09%のマクロF1スコアが得られた。
論文 参考訳（メタデータ） (2025-10-21T17:18:55Z) - Boosting Pathology Foundation Models via Few-shot Prompt-tuning for Rare Cancer Subtyping [80.92960114162746]
視覚言語病理基盤モデルの可能性を生かした新しいフレームワークPathPTを提案する。
PathPTは、WSIレベルの監視を、VLモデルのゼロショット機能を活用することで、きめ細かいタイルレベルのガイダンスに変換する。
以上の結果から,PathPTは一貫して優れた性能を示し,サブタイピング精度と癌領域の接地能力を著しく向上することが示された。
論文 参考訳（メタデータ） (2025-08-21T18:04:41Z) - A High Magnifications Histopathology Image Dataset for Oral Squamous Cell Carcinoma Diagnosis and Prognosis [18.549808005574985]
Multi-OSCCは口腔扁平上皮癌1,325例からなる新しい病理組織像データセットである。
x200,x400,x1000倍率の6つの高分解能組織像を呈し,コアとエッジの腫瘍領域を2倍率で観察した。
このデータセットは、再発予測(REC)、リンパ節転移(LNM)、腫瘍分化(TD)、腫瘍浸潤(TI)、硬膜外浸潤(PI)の6つの重要な臨床的タスクに対して豊富に注釈付けされている。
論文 参考訳（メタデータ） (2025-07-22T08:48:45Z) - An Agentic System for Rare Disease Diagnosis with Traceable Reasoning [69.46279475491164]
大型言語モデル(LLM)を用いた最初のまれな疾患診断エージェントシステムであるDeepRareを紹介する。
DeepRareは、まれな疾患の診断仮説を分類し、それぞれに透明な推論の連鎖が伴う。
このシステムは2,919の疾患に対して異常な診断性能を示し、1013の疾患に対して100%の精度を達成している。
論文 参考訳（メタデータ） (2025-06-25T13:42:26Z) - PathOrchestra: A Comprehensive Foundation Model for Computational Pathology with Over 100 Diverse Clinical-Grade Tasks [39.97710183184273]
本稿では,300Kの病理スライドからなるデータセット上で,自己教師型学習を通じて学習した多種多様な病理基盤モデルPathOrchestraを提案する。
このモデルは、61のプライベートデータセットと51のパブリックデータセットを組み合わせて、112の臨床的タスクで厳格に評価された。
PathOrchestraは27,755のWSIと9,415,729のROIで例外的なパフォーマンスを示し、47のタスクで0.950以上の精度を達成した。
論文 参考訳（メタデータ） (2025-03-31T17:28:02Z) - 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) - 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。