研究人员开发了PulmoFoundation，一个用于全面肺部病理学解读的临床验证基础模型。该模型基于Virchow2构建，并在约40,000张诊断全切片图像上进行训练，在32项任务的26,000多张WSI上进行了评估。在一项涉及1,357名患者的前瞻性研究中，PulmoFoundation的平均AUC达到92.3%，并显示出减少二次复核需求和推迟IHC染色订单的巨大潜力。一项包含八名病理学家的随机对照试验表明，PulmoFoundation的AI辅助提高了诊断准确性，缩短了诊断时间，并增强了评分者间的一致性。 AI
影响 该模型的临床验证以及在准确性和效率方面显示的改进，可能对肺部病理学的诊断工作流程产生重大影响。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一种用于医学图像分析的新基础模型，包括通过前瞻性研究和RCT进行的验证。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.25878v1 Announce Type: cross Abstract: Pathological assessment guides lung cancer diagnosis, treatment selection, and prognostic evaluation, yet current CPath approaches rely on task-specific models for isolated objectives. Although pan-cancer foundation models offer v…
Pathological assessment guides lung cancer diagnosis, treatment selection, and prognostic evaluation, yet current CPath approaches rely on task-specific models for isolated objectives. Although pan-cancer foundation models offer versatility, they lack subspecialty-level depth and…