研究人员开发了一种从常规临床组织病理学图像中绘制人口统计信息的方法。通过分析来自250,000多名患者、跨越25个器官的130万张全切片图像,他们利用病理学基础模型和多实例学习来识别与性别、年龄组和自我报告种族相关的信号。研究发现,人口统计学特征在不同器官中普遍可恢复,性别、年龄组和种族的AUROC平均值分别为0.828、0.733和0.662。这些发现为组织病理学中的人口统计信息提供了全面的图谱,有助于理解其来源和开发更具可解释性的计算病理学模型。 AI
影响 这项研究可能带来更具可解释性的医疗保健AI模型,并凸显医疗数据中潜在的偏见。
排序理由 学术论文,详细介绍了一种新的计算方法及其应用。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXivLabs
- AUROCs
- CatalyzeX Code Finder for Papers
- Computational Pathology
- Computer vision and pattern recognition
- DagsHub
- Gotit.pub
- H&E stain
- Histomorphological basis of articular cartilage destruction in rheumatoid arthritis
- Hugging Face
- Multiple instance learning
- ScienceCast
- Whole slide images for primary diagnostics in dermatopathology: a feasibility study.
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →