論文の概要: PLUTO-4: Frontier Pathology Foundation Models

• arxiv url: http://arxiv.org/abs/2511.02826v1
• Date: Tue, 04 Nov 2025 18:54:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 18:47:06.158869
• Title: PLUTO-4: Frontier Pathology Foundation Models
• Title（参考訳）: PLUTO-4:フロンティア病理基盤モデル
• Authors: Harshith Padigela, Shima Nofallah, Atchuth Naveen Chilaparasetti, Ryun Han, Andrew Walker, Judy Shen, Chintan Shah, Blake Martin, Aashish Sood, Elliot Miller, Ben Glass, Andy Beck, Harsha Pokkalla, Syed Ashar Javed,
• Abstract要約: 我々は次世代の病理基盤モデルであるPLUTO-4を紹介する。 マルチスケール展開に最適化されたコンパクトPLUTO-4Sモデル。 単一パッチサイズでトレーニングされたフロンティアスケールのPLUTO-4Gモデル。
• 参考スコア（独自算出の注目度）: 0.8367343543336493
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Foundation models trained on large-scale pathology image corpora have demonstrated strong transfer capabilities across diverse histopathology tasks. Building on this progress, we introduce PLUTO-4, our next generation of pathology foundation models that extend the Pathology-Universal Transformer (PLUTO) to frontier scale. We share two complementary Vision Transformer architectures in the PLUTO-4 family: a compact and efficient PLUTO-4S model optimized for multi-scale deployment using a FlexiViT setup with 2D-RoPE embeddings, and a frontier-scale PLUTO-4G model trained with a single patch size to maximize representation capacity and stability. Both models are pretrained using a self-supervised objective derived from DINOv2 on a large multi-institutional corpus containing 551,164 WSIs from 137,144 patients across over 50 institutions, spanning over 60 disease types and over 100 stains. Comprehensive evaluation across public and internal benchmarks demonstrates that PLUTO-4 achieves state-of-the-art performance on tasks requiring varying spatial and biological context, including patch-level classification, segmentation, and slide-level diagnosis. The compact PLUTO-4S provides high-throughput and robust performance for practical deployment, while PLUTO-4G establishes new performance frontiers across multiple pathology benchmarks, including an 11% improvement in dermatopathology diagnosis. These diverse improvements underscore PLUTO-4's potential to transform real-world applications as a backbone for translational research and diagnostic use cases.
• Abstract（参考訳）: 大規模な病理画像コーパスに基づいて訓練された基礎モデルは、様々な病理組織学タスクにまたがる強力な伝達能力を示している。 PLUTO-4は次世代の病理基盤モデルであり、PLUTO(Pathology-Universal Transformer)をフロンティアスケールに拡張する。 2D-RoPEを組み込んだFlexiViTセットアップを用いて,マルチスケールデプロイメントに最適化されたコンパクトかつ効率的なPLUTO-4Sモデルと,単一パッチサイズでトレーニングしたフロンティアスケールのPLUTO-4Gモデルである。 どちらのモデルも、DINOv2から派生した、50の施設にまたがる137,144人の患者から51,164人のWSIを含む大規模な多施設のコーパスで、60以上の疾患タイプと100以上の染色を含む自己管理目的を用いて事前訓練されている。 PLUTO-4は、パッチレベルの分類、セグメンテーション、スライドレベルの診断など、空間的および生物学的な状況の異なるタスクにおいて、最先端のパフォーマンスを達成することを示す。 コンパクトなPLUTO-4Sは、実用的なデプロイメントのために高スループットで堅牢なパフォーマンスを提供する一方、PLUTO-4Gは、皮膚病理診断の11%の改善を含む、複数の病理ベンチマークにまたがる新たなパフォーマンスフロンティアを確立する。 これらの多彩な改善は、PLUTO-4が現実世界のアプリケーションを翻訳研究と診断のユースケースのバックボーンとして変換する可能性を示している。

関連論文リスト

• 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 Modular Approach for Clinical SLMs Driven by Synthetic Data with Pre-Instruction Tuning, Model Merging, and Clinical-Tasks Alignment [46.776978552161395]
  小型言語モデル(SLM)は、GPT-4のような大規模言語モデルに代わる費用対効果を提供する。 SLMは費用対効果のある代替手段を提供するが、その限られた能力は生物医学的な領域適応を必要とする。 本研究では,SLMを高性能な臨床モデルに適用するための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-15T21:40:21Z)
• How Good is my Histopathology Vision-Language Foundation Model? A Holistic Benchmark [21.47220651857942]
  組織学的視覚言語基礎モデル(VLM)は、下流の様々なタスクにまたがる性能と一般化性の向上により人気を博している。 既存の病理組織学のベンチマークのほとんどは、患者のデータプライバシーによる部分的な可用性だけでなく、臨床、臓器、取得機器の多様性の観点からも、一過性のものであるか制限されている。 HistoVLは、クラス名と多様な病理学的記述を組み込んだ、最大11種類の取得ツールとキャプションを用いて取得した画像からなる、完全にオープンソースな総合ベンチマークである。
  論文  参考訳（メタデータ） (2025-03-17T09:45:22Z)
• PLUTO: Pathology-Universal Transformer [4.920983796208486]
  そこで我々はPathoLogy Universal TransfOrmer (PLUTO)を提案する。 我々はPLUTOの出力埋め込みを利用したタスク固有の適応ヘッドを,病的規模にまたがるタスクに設計する。 PLUTOは既存のタスク固有のベースラインや病理学固有の基盤モデルに適合するか、性能を向上する。
  論文  参考訳（メタデータ） (2024-05-13T16:40:17Z)
• Towards a clinically accessible radiology foundation model: open-access and lightweight, with automated evaluation [113.5002649181103]
  オープンソースの小型マルチモーダルモデル(SMM)を訓練し、放射線学における未測定臨床ニーズに対する能力ギャップを埋める。 トレーニングのために,697万以上の画像テキストペアからなる大規模なデータセットを組み立てる。 評価のために,GPT-4に基づく実測値CheXpromptを提案する。 LlaVA-Radの推論は高速で、単一のV100 GPU上でプライベート設定で実行できる。
  論文  参考訳（メタデータ） (2024-03-12T18:12:02Z)
• PathAsst: A Generative Foundation AI Assistant Towards Artificial General Intelligence of Pathology [15.419350834457136]
  病理学における診断・予測分析に革命をもたらすための多モード生成基盤AIアシスタントであるPathAsstを提案する。 PathAsstの開発には、データ取得、CLIPモデル適応、PathAsstのマルチモーダル生成機能のトレーニングの3つの重要なステップが含まれている。 PathAsstの実験結果は、病理診断と治療プロセスを改善するためにAIを利用した生成基盤モデルを活用する可能性を示している。
  論文  参考訳（メタデータ） (2023-05-24T11:55:50Z)

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。