病理诊断好的配资平台，是AI改变医疗的关键环节。
近年来，诊断需求不断增长，随之而来的是病理科巨大的供给挑战。
信息显示，我国病理医生缺口巨大，且分布极不均衡，大部分集中在三甲医院，二甲及以下医院的病理医师严重缺乏且经验不足。
而AI尤其是大模型的引入，为解决这一挑战带来希望。
7月16日，AI病理学公司Paige联合推出病理学多模态基础模型PRISM2，通过结合病理图像与临床语料，为癌症诊断、生物标志物预测等多个领域带来深刻变革。
PRISM2基于超过230万张全切片图像进行训练，涵盖数十万例患者病例，且每张图像都配有对应的临床报告，帮助模型理解真实的诊断语言，提升其在不同人群、组织类型和癌症类型中生成有价值判断的能力。
测试结果显示，PRISM2在各个任务中的表现均优于其他切片级基础模型，而其创新性的零样本（zero-shot）方法，使得模型能够更好地应对各种罕见疾病或新型生物标志物，即使这些样本在训练数据中很少甚至没有出现过。
同时，PRISM2引入了大语言模型，能够即时生成简洁、符合临床标准的报告，大大减少了工作量，成为医生和研究人员们真正的合作伙伴。
PRISM2的推出，在性能、交互和泛化方面树立了新的行业标准，成为数字病理学和人工智能领域的最新突破。
未来这款模型还将被集成到Paige的下一代生成式AI临床平台Alba中，用户可以在直观的交互式界面中自动执行常规任务、分析病理图像并提供快速的临床洞察。
Paige表示，公司使命是构建智能系统，并将其无缝集成到临床和研究环境中，从而改变癌症的诊断和治疗方式。
病理诊断：更准、更全、更智能
近年来，随着数字病理学和人工智能的快速发展，极大提升了癌症诊断的效率。
诸如Virchow2、UNI2和H-optimus-1等模型展示了利用数百万张组织切片进行自我监督学习的强大能力。
然而，尽管这些模型在特定任务上表现出色，但它们未能充分整合临床信息，限制了其在复杂临床场景中的应用潜力。
针对这些问题，Paige联合微软推出新型多模态病理基础模型PRISM2，模型采用了独特的两阶段训练策略。
第一阶段旨在对齐全切片图像（WSI）的视觉特征与临床诊断报告的文本信息。通过大规模数据集（包含近70万份标本和230万张WSI）的对比学习和图像字幕生成训练，模型学习如何将复杂的病理图像与对应的文字描述关联起来，为后续的深度理解打下基础。
第二阶段，解冻语言模型并引入一个40亿参数的LLM，通过模拟真实的临床对话（包括利用GPT-4o生成的问答对），PRISM2 学习在互动语境下理解和生成病理相关语言，从而提炼出对临床决策更有价值的深层特征。
这使得PRISM2不仅能理解病理图像的视觉信息，还能将其与临床诊断报告中的语言信息深度融合，并通过对话训练提升其临床推理和实用性。
测试结果显示，PRISM2在多项病理学任务中展现了强大性能，显著优于前代模型PRISM和哈佛医学院开发的多模态全切片基础模型TITAN。
更为惊艳的是，PRISM2 引入了一种创新的零样本“是/否”分类方法，这使得模型能够对复杂、非预设的问题给出推断性答案，极大地增强了其在实际临床场景中的灵活性和泛化能力。
例如，在PanCancer罕见癌症检测任务中，PRISM2的AUC达到了0.952，优于PRISM的0.947和TITAN的0.931。
这表明PRISM2不仅能够有效识别常见的癌症类型，在面对罕见的病理图像时仍能保持良好的性能。
在高效地从全切片图像中提取关键病理特征的同时，PRISM2还能根据需要结合患者背景信息，形成更加个性化的临床报告，大大减少了医生工作量。
PRISM2的问世标志着通用型AI病理模型的关键一步，在临床实践展现出广泛实用价值，有望显著提升诊疗效果。
AI病理龙头，微软、强生大力支持
Paige联合创始人兼首席科学家Thomas Fuchs是一位在计算病理学和医疗人工智能领域具有全球影响力的专家。
在担任纪念斯隆凯特琳癌症中心（MSK）沃伦·阿尔珀特数字与计算病理学中心主任期间，他领导了一个专注于计算病理学和医学机器学习的实验室，致力于开发分析数字显微镜载玻片的新方法，旨在揭示基因突变及其对组织变化的影响，以绘制癌症的病理学图谱。
2018年，Thomas Fuchs与David Klimstra共同创立了Paige，希望利用深度学习和庞大数据集的力量来彻底改变癌症诊断。
图：Thomas Fuchs（左）与David Klimstra（右）
David Klimstra博士是癌症病理学领域的知名学者，拥有超过三十年的研究生涯，专注于胰腺、肝脏和胃肠道肿瘤的病理学研究。
此前，Klimstra曾担任纪念斯隆凯特琳癌症中心病理学系主任，领导了数字病理学工作流程的评估和实施。
Paige.AI 的核心技术在于其计算病理学平台和AI驱动的应用程序，这些都建立在公司建立的目前规模最大、最多样化的数字病理学数据集之上。
Paige Prostate Suite：检测和分级前列腺癌，是第一个获得FDA 批准的基于AI的病理学软件
Paige Breast Suite: 支持识别和分类乳腺癌，其中一款从淋巴结标本中检测乳腺癌的软件被FDA授予突破性设备认证
Paige GI Suite: 支持病理学家检测和分类整个胃肠道中的良性和恶性病变。
Paige PanCancer: 识别多个组织和器官中疑似癌症的区域，获得FDA突破性设备认证，已在21种活检组织和25种切除组织上进行验证
除了癌症检测之外，Paige还面向生命科学、制药公司和研究机构提供解决方案，包括精准的治疗靶向、新型生物标记识别以及优化的临床试验设计。
这背后离不开公司自主研发的一系列基础模型的有力支持，如Virchow和PRISM，通过对大规模计算病理学数据的深入分析，更全面地理解癌症。
目前，Paige已官宣多项外部合作，包括与微软携手开发基础模型、为Lumea、Aiforia等数字病理学企业提供AI解决方案、与Breast International Group加速乳腺癌研究以及与强生推动新型生物标志物检测。
迄今为止，Paige总融资额超过2.41亿美元，投资者包括微软、强生创新-JJDC、KKR、Casdin Capital等知名机构。
华为、商汤已入局
当经验医学迈向精准医学，病理诊断作为临床金标准，其意义愈加重要。
从技术视角来看，病理辅助诊断系统是AI在医学检验领域相对成熟的应用场景之一。
但因为病理学图像对数据集质量、储存、算力等资源都有极高的要求，AI病理诊断往往是顶尖院所和大厂的游戏，目前国外病理学模型研究几乎被哈佛与微软垄断。
近年来，中国在AI病理诊断领域取得了显著突破，国内科研机构、医疗机构和科技企业协同发力，展现出强劲的发展势头和创新能力。
2023年9月，透彻未来发布了透彻大脑病理大模型。2024年7月，商汤医疗联合清华大学等科研院所发布了病理大模型PathOrchestra，利用国内规模最大的近30万张全切片数字病理图像（近300TB数据）数据集训练。
今年2月，华为联合上海瑞金医院正式发布瑞智病理大模型RuiPath，这一成果基于瑞金医院病理科百万级数字切片库，覆盖了中国每年90%癌症发病人群罹患的癌种，并且亚专科知识问答深度达到专家级知识水平。
然而，值得注意的是，AI病理诊断在临床转化和规模化落地仍面临诸多挑战，尤其相关的技术标准、审批流程和临床应用规范等领域，仍处于探索阶段。
—The End—
恒运资本配资提示：文章来自网络，不代表本站观点。
相关文章
热点资讯
