論文の概要: GloPath: An Entity-Centric Foundation Model for Glomerular Lesion Assessment and Clinicopathological Insights

• arxiv url: http://arxiv.org/abs/2603.02926v1
• Date: Tue, 03 Mar 2026 12:32:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-04 21:38:10.788983
• Title: GloPath: An Entity-Centric Foundation Model for Glomerular Lesion Assessment and Clinicopathological Insights
• Title（参考訳）: GloPath: 糸球体病変評価のためのEntity-Centric Foundation Modelと臨床病理学的考察
• Abstract要約: GloPathは、14,049個の腎生検標本から抽出された100万個以上の糸球体から訓練された実体中心の基礎モデルである。 病変評価のために、GloPathは、病変認識、グレーディング、少数ショット分類、異物診断における最先端の方法を含む52のタスクにおいて、3つの独立したコホートでベンチマークされた。 臨床病理所見では,GloPathは糸球体形態パラメータと臨床指標の統計的に有意な関連を系統的に明らかにした。
• 参考スコア（独自算出の注目度）: 31.053375990138274
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Glomerular pathology is central to the diagnosis and prognosis of renal diseases, yet the heterogeneity of glomerular morphology and fine-grained lesion patterns remain challenging for current AI approaches. We present GloPath, an entity-centric foundation model trained on over one million glomeruli extracted from 14,049 renal biopsy specimens using multi-scale and multi-view self-supervised learning. GloPath addresses two major challenges in nephropathology: glomerular lesion assessment and clinicopathological insights discovery. For lesion assessment, GloPath was benchmarked across three independent cohorts on 52 tasks, including lesion recognition, grading, few-shot classification, and cross-modality diagnosis-outperforming state-of-the-art methods in 42 tasks (80.8%). In the large-scale real-world study, it achieved an ROC-AUC of 91.51% for lesion recognition, demonstrating strong robustness in routine clinical settings. For clinicopathological insights, GloPath systematically revealed statistically significant associations between glomerular morphological parameters and clinical indicators across 224 morphology-clinical variable pairs, demonstrating its capacity to connect tissue-level pathology with patient-level outcomes. Together, these results position GloPath as a scalable and interpretable platform for glomerular lesion assessment and clinicopathological discovery, representing a step toward clinically translatable AI in renal pathology.
• Abstract（参考訳）: 糸球体病理は腎疾患の診断と予後の中心であるが、糸球体形態と微細な病変パターンの不均一性は、現在のAIアプローチでは依然として困難である。 腎生検14,049検体から抽出した100万回以上の糸球体について,多段階・多視点自己監督学習を用いて学習した実体中心基盤モデルGloPathについて述べる。 GloPathは、腎病理学における主要な課題として、糸球体病変の評価と臨床病理学的洞察発見の2つに対処している。 病変評価のために、GloPathは52のタスクで3つの独立したコホートでベンチマークされた。 大規模な実世界の研究では、病変認識のためのROC-AUCの91.51%を達成し、定期的な臨床環境において強い堅牢性を示した。 臨床病理学的知見として,GloPathは224種の形態・臨床指標と糸球体形態パラメータの統計的に有意な関連を系統的に明らかにし,組織レベルの病態と患者レベルの結果とを結びつける能力を示した。 これらの結果はGloPathを、腎病理における臨床的翻訳可能なAIへの一歩として、糸球体病変の評価と臨床病理学的発見のためのスケーラブルで解釈可能なプラットフォームとして位置づけた。

関連論文リスト

• Paired Uterine Whole-Slide Images and Pathology Reports for Multimodal Computational Pathology [54.42160154368719]
  WSI(Whole-Slide Image)は、病理のデジタルトランスフォーメーションを可能にする。 病理組織像と病理所見を共同で解析するマルチモーダルモデルは、自動病理報告生成とAIによる診断に有望な可能性を示唆している。 本稿では,WSIsを併用した子宮疾患データセットであるTUM-Uteriaを紹介する。
  論文  参考訳（メタデータ） (2026-07-04T20:34:59Z)
• Clinical Cognition Alignment for Gastrointestinal Diagnosis with Multimodal LLMs [63.535652574541764]
  MLLM(Multimodal Large Language Models)は医用画像解析において顕著な可能性を示した。 消化器内視鏡におけるそれらの応用は、現在、2つの重要な限界によって妨げられている。 本稿では,これらの課題に対処する新しい臨床認知アライメント(CogAlign)フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-03-21T07:47:37Z)
• DeepHistoViT: An Interpretable Vision Transformer Framework for Histopathological Cancer Classification [0.0]
  病理組織学は、組織形態の詳細な細胞レベル評価を提供するため、がん診断のゴールドスタンダードのままである。 近年の深層学習の進歩は、医療画像における複雑な空間依存をモデル化する強力な可能性を示している。 組織像の自動分類のためのトランスフォーマーベースのフレームワークであるDeepHistoViTを提案する。
  論文  参考訳（メタデータ） (2026-03-12T00:29:19Z)
• Multi-View Stenosis Classification Leveraging Transformer-Based Multiple-Instance Learning Using Real-World Clinical Data [76.89269238957593]
  冠動脈狭窄は心血管疾患の主要な原因であり,多発血管造影で冠動脈を解析し診断した。 患者レベルの狭窄分類のためのトランスフォーマーベースマルチビューマルチインスタンス学習フレームワークであるSegmentMILを提案する。
  論文  参考訳（メタデータ） (2026-02-02T13:07:52Z)
• RAA-MIL: A Novel Framework for Classification of Oral Cytology [0.0]
  本稿では,患者の口腔内サイトロジー全体像の診断を行うための,第1の弱教師付き深層学習フレームワークについて紹介する。 本研究は, 口腔細胞診における患者レベルの弱監督型ベンチマークを初めて確立し, 信頼性の高いAI支援型デジタル病理学へ向けたものである。
  論文  参考訳（メタデータ） (2025-11-15T15:48:36Z)
• PathoHR: Hierarchical Reasoning for Vision-Language Models in Pathology [3.459714932882085]
  現在の視覚言語(VL)モデルは、構造化された病理報告の解釈に必要な複雑な推論を捉えるのに苦労することが多い。 病理領域内での階層的意味理解と構成的推論におけるVLモデルの能力を評価するために設計された新しいベンチマークであるPathoHR-Benchを提案する。 さらに、マルチモーダルコントラスト学習のための拡張および摂動サンプルを生成する、病理特異的なVLトレーニングスキームを導入する。
  論文  参考訳（メタデータ） (2025-09-07T15:42:38Z)
• PathoSCOPE: Few-Shot Pathology Detection via Self-Supervised Contrastive Learning and Pathology-Informed Synthetic Embeddings [42.42150241818321]
  教師なしの病理検出では、非病理データに基づいて、偏差を病理としてモデル化する。 そこで我々は,少数の非病理サンプルのみを必要とする,数発の非教師付き病理診断フレームワークPathoSCOPEを提案する。 PathoSCOPEは計算効率(2.48 GFLOP, 166 FPS)を維持しながら教師なし手法の最先端性能を実現する
  論文  参考訳（メタデータ） (2025-05-23T08:21:58Z)
• 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)
• 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)
• TopoTxR: A topology-guided deep convolutional network for breast parenchyma learning on DCE-MRIs [49.69047720285225]
  そこで本研究では,乳房側葉構造をよりよく近似するために,マルチスケールのトポロジ構造を明示的に抽出する新しいトポロジカルアプローチを提案する。 VICTREファントム乳房データセットを用いてemphTopoTxRを実験的に検証した。 本研究の質的および定量的分析は,乳房組織における画像診断におけるトポロジカルな挙動を示唆するものである。
  論文  参考訳（メタデータ） (2024-11-05T19:35:10Z)
• Neural Network-Based Histologic Remission Prediction In Ulcerative Colitis [38.150634108667774]
  潰瘍性大腸炎(UC)の新しい治療標的としての組織学的寛解 内視鏡(Endocytoscopy、EC)は、新しい超高倍率内視鏡技術である。 本稿では,心電図の組織学的疾患活動を評価するニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-28T15:54:14Z)
• Meta-information-aware Dual-path Transformer for Differential Diagnosis of Multi-type Pancreatic Lesions in Multi-phase CT [41.199716328468895]
  膵病変の分類と分節の可能性を活用するために, デュアルパストランスフォーマーを開発した。 提案手法は, CNN-based segmentation path (S-path) と Transformer-based classification path (C-path) から構成される。 以上の結果から,膵病変の完全分類の正確な分類と分類が可能であることが示唆された。
  論文  参考訳（メタデータ） (2023-03-02T03:34:28Z)
• A Pathologist-Informed Workflow for Classification of Prostate Glands in Histopathology [62.997667081978825]
  病理学者は、ガラススライド上の針生検の組織を調べて前立腺がんを診断し、診断する。 がんの重症度と転移リスクは、前立腺の組織と形態に基づくスコアであるGleason gradeによって決定される。 本稿では,病理学者のtextitmodus operandi に従って,個々の腺のマルチスケールパッチを分離・分類する自動ワークフローを提案する。
  論文  参考訳（メタデータ） (2022-09-27T14:08:19Z)
• A Computer-Aided Diagnosis System for Breast Pathology: A Deep Learning Approach with Model Interpretability from Pathological Perspective [6.583997407109283]
  深層学習による病変検出と分類のためのコンピュータ支援診断システム(CAD)を開発した。 本研究では, 畳み込みニューラルネットワーク(CNN)の分類において, 深い特徴が示され, 包括的解釈が可能となった。
  論文  参考訳（メタデータ） (2021-08-05T14:43:59Z)
• Divide-and-Rule: Self-Supervised Learning for Survival Analysis in Colorectal Cancer [9.431791041887957]
  本稿では,組織領域の表現とクラスタリングのメトリクスを学習し,その基盤となるパターンを学習する自己教師型学習手法を提案する。 提案手法は, 患者結果予測の過度な適合を避けるために, 線形予測器の恩恵を受けることができることを示す。
  論文  参考訳（メタデータ） (2020-07-07T09:15:36Z)

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。