TUM 实测 19 个病理基础模型：能查癌，难辨异型增生
慕尼黑工业大学（TUM）Kazemi、Schüffler 等人在 npj Digital Medicine 发表论文《Nineteen Foundation Models and Barrett's Esophagus: Cancer Is Found, Dysplasia Is Still Hard》，用 BarrettNet 多中心队列（21 个中心、790 名患者、3,528 张全切片图像）系统实测了当代病理学基础模型在 Barrett 食管诊断上的表现，并模拟真实世界的类别不均衡。结论是：癌症能查出来，但异型增生仍是硬骨头。
已确认
- 研究覆盖 Barrett 食管全谱系（从正常组织到癌症），涉及 19 个病理学基础模型
- 病理基础模型整体明显优于 ResNet50 基线，AUROC 约 0.90 对 0.81
- 在 145 张异型增生切片中，仅 52% 被正确识别为异型增生，而异型增生正是病理医生之间分歧最大的阶段
- 将最佳五个模型取平均的集成策略提升甚微：分型 AUROC 仅从 0.901 提升至 0.907
尚未确认
- 作者自己列出的局限：组织采用 PAXgene 处理、单一队列、缺乏外部验证
- 集成模型是在与评估相同的交叉验证中挑选的，其小幅提升的真实泛化意义存疑
为什么重要
该研究表明病理基础模型在明确的癌变检测上已具备相当能力，但在临床最难、最需要辅助判断的癌前病变（异型增生）阶段仍不可靠。若要在真实病理工作流中部署 AI，需针对分歧性诊断场景改进模型，并通过独立外部验证。
2026-10-27 ~ 2026-10-27 · 5 条相关
一手来源
- npj Digital Medicine 论文:19 个基础模型对决 Barrett 食管诊断 — maier_ak ·
- TUM 研究:19 个病理基础模型能查癌,却认不出异型增生 — maier_ak ·
- 病理模型短板:仅 52% 异型增生切片被识别 — maier_ak ·
- 【源头】npj Digital Medicine 论文:19 个基础模型对决 Barrett 食管诊断 — maier_ak · 2026-10-27
- 【源头】TUM 研究:19 个病理基础模型能查癌,却认不出异型增生 — maier_ak · 2026-10-27
- 【源头】病理模型短板:仅 52% 异型增生切片被识别 — maier_ak · 2026-10-27
- 病理基础模型 AUROC 0.90 大胜 ResNet50 的 0.81 — maier_ak · 2026-10-27
另有 1 条近重复转述:maier_ak