Fugu-MT 論文翻訳(概要): PRET is a few-shot system for pan-cancer recognition without example training

論文の概要: PRET is a few-shot system for pan-cancer recognition without example training

arxiv url: http://arxiv.org/abs/2610.25054v1
Date: Sun, 18 Oct 2026 06:48:27 GMT
ステータス: 情報取得中
システム内更新日: 2026-10-20 22:40:58.770997
Title: PRET is a few-shot system for pan-cancer recognition without example training
Title（参考訳）: PreTは、サンプルトレーニングなしでの膵臓認識のための数発のシステム
Abstract要約: PreT(サンプルトレーニングなしのパンがん認識)は、柔軟でスケーラブルで効果的ながん認識を実現するための数発のシステムである。我々の手法は20のタスクにまたがる既存のアプローチよりも優れており、最大36.76%の改善が得られた15のベンチマークにおいて、曲線の97%以上の領域を達成している。
参考スコア（独自算出の注目度）: 28.036715807208015
License:
Abstract: Pathological examination stands as the cornerstone in cancer diagnosis, impacting millions worldwide annually. With the shortage of pathologists globally, artificial intelligence (AI) has emerged rapidly to automate the diagnostics process. However, conventional AI models require substantial labeled data for each disease, posing huge challenges in scalability and practicality. Therefore, we introduce PRET (pan-cancer recognition without examples training), a few-shot system to achieve flexible, scalable, and effective cancer recognition across diverse organs, hospitals and tasks without training. Evaluated on 23 international benchmarks comprising 4,484 whole-slide images, our method outperforms existing approaches across 20 tasks, achieving over 97% area under the curve on 15 benchmarks with a maximum improvement of 36.76%. Notably, PRET delivers clinical-grade diagnostic performance in lymph node metastasis detection using only eight slide examples, outperforming 11 pathologists. By offering a flexible and cost-effective solution for pan-cancer recognition, PRET paves the way for accessible and equitable AI-based pathology systems, particularly benefiting minority populations and underserved regions.
Abstract（参考訳）: 病理検査はがん診断の土台であり、毎年数百万人に影響を及ぼしている。世界規模で病理学者が不足しているため、人工知能(AI)は診断プロセスを自動化するために急速に進歩している。しかし、従来のAIモデルは、各疾患に対して実質的なラベル付きデータを必要とし、スケーラビリティと実用性に大きな課題を生じさせる。そこで本研究では, 多様な臓器, 病院, タスクを対象としたフレキシブル, スケーラブル, 効果的ながん認識を実現するために, サンプルを含まないPreT(pan-cancer recognition without examples training)を導入した。 4,484枚の全スライディング画像からなる23の国際ベンチマークで評価し,最大36.76%向上した15のベンチマークで,曲線下97%以上の領域を達成し,20のタスクにまたがる既存手法よりも優れていた。特に、PreTは、リンパ節転移の検出において、わずか8つのスライド例のみを用いて臨床レベルの診断性能を提供し、11人の病理医を上回った。パンがん認識のためのフレキシブルで費用対効果の高いソリューションを提供することで、PreTはアクセス可能で公平なAIベースの病理システムを実現する。

関連論文リスト

A Chain-of-thought Reasoning Breast Ultrasound Dataset Covering All Histopathology Categories [22.446549349132198]
4,838例の10,019病変の11,439枚の画像を含む,チェーン・オブ・シント(CoT)推論分析のためのデータセットであるBUS-CoTを提案する。我々は,臨床実践においてエラーが発生しやすい稀な症例において,堅牢なAIシステムの実現を目指している。
論文参考訳（メタデータ） (2025-09-21T11:59:19Z)
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)
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)
A Clinician-Friendly Platform for Ophthalmic Image Analysis Without Technical Barriers [51.45596445363302]
GlobeReadyはクリニックフレンドリーなAIプラットフォームで、再トレーニング、微調整、技術専門知識の必要性なしに、基礎疾患の診断を可能にする。光コヒーレンス・トモグラフィー(OCT)スキャンを用いて、カラー・ファンドス写真(CPF)を用いた11のファンドス病(93.9-98.5%)と15のファンドス病(87.2-92.7%)の精度を示した。トレーニングなしのローカル機能拡張を活用することで、GlobeReadyプラットフォームは、センターや人口間のドメインシフトを効果的に軽減する。
論文参考訳（メタデータ） (2025-04-22T14:17:22Z)
AI-assisted prostate cancer detection and localisation on biparametric MR by classifying radiologist-positives [5.75804178993065]
本稿では,がん診断の総合的精度を向上させるためのディープラーニングモデルを提案する。一つのボクセルレベルの分類モデルを構築し、単純なパーセンテージ閾値で正のケースを判定する。 2つの臨床データから得られた実験から,提案手法が診断精度を向上させることを示す。
論文参考訳（メタデータ） (2024-10-30T14:59:57Z)
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。