病理诊断步入高阶智能时代，透彻未来发布病理大模型
自2014年8月国家发改委等八部委首次提出“智慧医院”建设以来，中国的临床医学已经从传统的经验医学、循证医学时代迈向了精准诊疗时代。然而，遗憾的是，作为疾病诊断的“金标准”，对于大多数疾病，尤其是对癌症的诊断至关重要的病理行业，却面临学习年限久、知识覆盖广、人才培养难、资源分布不均匀等问题的困扰。但令人欣喜的是，人工智能技术的发展与众多优秀企业的创办，使得我国病理行业在病理诊断数字化与智慧化的道路上稳步前进，成果喜人。
如今，智慧病理在提高病理诊断的效率与降低漏诊方面发挥了巨大的作用，且作为建设智慧医院的重要组成部分，智慧病理也能够切实满足当前临床医学对于精准诊疗的需求。
目前，众多大型互联网公司都在积极发展通用大模型技术，并着手布局大模型的商业化之路。然而，对医疗领域，尤其是病理领域而言，高度专业化的知识、海量的病理切片数据积累以及稳定的医疗资源合作关系导致病理大模型技术研发难度较大。
但行业总是不缺乏有志之士，不少企业也投入大量的精力与资金力求突破难关。透彻未来便是其中之一。
动脉网了解到，近期，透彻未来发布了透彻大脑（Thorough Brain）病理大模型。该病理大模型不仅能够智能诊断各种器官的数字病理切片，还能够生成拟人化的病理诊断报告，实现了对智慧病理诊断行业发展的强有力推动。
据悉，该病理模型基于透彻未来多年积累的海量病理数据，基于Transformer架构所构建，学习了来自数十种人类器官的数字病理数据，形成了对各器官病变组织形态的基础认知，能够作为各类应用的技术底座。
通过后续的持续学习，该模型还可完成语义分割、目标检测、实例分割等下游任务，甚至能够以拟人化的方式阅读病理切片并自动输出病理诊断报告。
通过使用表征向量可视化的方法，透彻未来的研究人员对病理大模型的组织类型与恶性肿瘤的识别能力进行了深入研究。对于输入的病理图像，病理大模型能够通过层层的特征提取，发掘与诊断相关的本质病理特征。这一特征的数学表现形式被称为“表征向量”。
而通过透彻未来病理大模型对近万张来自胃部、肠部、肺部等器官的恶性与良性病理图像进行特征提取后，使用T-SNE算法降维到二维编码空间，可实现表征向量的可视化。相关研究结果表明，透彻未来病理大模型对组织类型与恶性肿瘤特征具有极佳的判别与认知能力。
与此同时，针对恶性肿瘤，透彻未来的病理大模型还实现了恶性肿瘤区域的智能识别。通过对海量多器官、多病变病理数据的学习，该大模型具备了对各器官组织形态融会贯通的能力。
值得注意的是，胃、肠数字病理切片在病理形态学上有较高的相似度，这在编码空间中，也得到了体现；而相较于针对单一器官的传统深度学习模型，病理大模型对恶性肿瘤的识别和定位更加精准，增强了模型的可解释性和可靠性。
此外，研究人员还发现了病理大模型涌现出了零样本学习（Zero-Shot）能力。
所谓Zero-Shot，是指模型在从未见到过的数据类型上对其进行评测，展现出与专业病理医师相当的诊断精度。在病理大模型的训练过程中，研究人员刻意地移除了来自乳腺和卵巢的数据，但是模型依然非常准确地识别定位到来自两种器官测试数据中的恶性肿瘤区域。这一发现着实令人兴奋。这在一定程度上表明，透彻未来病理大模型已经开始涌现出高阶智能的特性。
而在出具诊断报告方面，研究人员使用数字病理切片与医师的诊断文本数据进行隐空间嵌入表征学习，成功实现了病理诊断报告的自动输出。这意味着模型不仅能够完成疾病分型的自动分析，而且可以用拟人的方式对其进行描述。
可以预想到，病理大模型将在病理诊断、科学研究以及教育培养等各个领域发挥其广泛的作用。其不仅能够提高病理诊断的准确性和效率；还可在结合自然语言模型的基础上通过对话式的交互方式，辅助科研人员进行疾病机制研究；更可以作为教育工具，帮助学生和教师更好地理解和学习病理诊断知识。
展望未来，病理大模型不但可以帮助病理医师发掘新的疾病谱，还能够作为基础模型，通过多模态应用到预后预测、药效分析等更加广泛的肿瘤诊疗技术研究中，真正发挥病理诊断作为疾病诊断“金标准”的价值。
透彻未来表示，其将与国内外众多医疗机构、科研机构以及教育机构合作，共同推进病理大模型的应用和发展。同时，其也将积极探索新的技术发展方向，为医疗人工智能领域带来更多的创新和突破，为推动医疗事业的发展做出积极贡献。
页:
[1]