病理基础模型

知识增强

通过将疾病知识图谱融入预训练，该模型在组织病理图像分析中显著提升了对罕见癌症亚型的识别能力，优于现有基础模型。

Wenbin, Guan · Wang, Ruifen · Wang, Lifeng · 袁晓军 · Sun, Xin · Zhang, Ya · 孙锟 · 王彦锋 · Xie, Weidi

Cancer Cell 2026

参数信息

公共基准数据集数量

18

罕见癌症数据集数量

4

知识图谱疾病数

11454

知识图谱属性数

139143

技术优势

罕见亚型识别更强

知识增强预训练使模型在语义空间中明确编码疾病间层级关系，对训练样本稀少的罕见亚型仍能捕获形态模式，从而在多个罕见癌症数据集上显著超越现有模型。

多机构验证一致

在4个不同机构的罕见癌症数据集上共926例中均优于现有基础模型，表明模型在不同数据来源和染色条件下具有稳健性。

应用场景

• 病理图像分析：直接嵌入现有病理工作流，替代传统特征提取步骤，提高图像分类准确性。
• 癌症诊断：辅助病理医生对全切片图像进行癌症筛查，降低漏诊风险。
• 罕见癌症识别：在样本稀缺的罕见癌症诊断中提供可靠分类，弥补数据不足的局限。