19 个病理学基础模型实测：癌症能查出，异型增生仍是硬骨头
maier_ak · x · 2026-10-27
慕尼黑工业大学 Kazemi、Schüffler 等人在 npj Digital Medicine 发表研究，用 BarrettNet 多中心队列（21 个中心、790 名患者、3528 张全切片图像）实测当代病理学基础模型在 Barrett 食管监测任务上的表现。
- 数据不是整洁的二分类，而覆盖从正常组织、Barrett 化生、异型增生到腺癌的真实谱系，比例失衡（41% 正常、48% 非异型增生 Barrett、4% 异型增生、7% 癌）。
- 关键数字：异型增生切片的识别率仅约 52%（仅 145 张切片），恰是病理专家之间分歧最大的阶段；癌症阶段反而表现好得多。
- 使用的 PAXgene 组织处理、单队列、无外部验证，结论需谨慎外推。
结论比标题更细腻：AI 找癌已可用了，但异型增生分级仍是病理 AI 的短板。
所属事件:TUM 实测 19 个病理基础模型：能查癌，难辨异型增生(5 条相关)→
「研究」频道最新
- 完美校准≠预测准确：掷硬币也能做到完美校准 — gleech · 2026-10-27
- 北大新论文重构视频存储：解耦跨帧依赖，随机采样解码开销大降 — PKU · 2026-10-27
- 港大伯克利提出 Nestor：注意力嵌套稀疏替代 MoE，兼顾预训练与持续学习 — hkuhk · 2026-10-27
- SATE-Bench：316 场景 2525 问，测出 MLLM 主动空间探索会过早自信收手 — Tianchen Guo · 2026-10-27
- Mycelium 元研究：幻觉检测应视为跨来源、类型与粒度的基准化测量问题 — Julia Belikova · 2026-10-27
- Frank Nielsen 推广 α-散度：用一对均值广义化 Shannon 熵与 KL 散度 — FrnkNlsn · 2026-10-27