Strukturyzacja modeli fundamentalnych w patologii z wykorzystaniem wiedzy dziedzinowej

Naukowcy opracowali KEEP — nowatorski model fundamentalny typu wizja-język do patologii obliczeniowej, który włącza hierarchiczną wiedzę o chorobach do procesu wstępnego uczenia za pomocą ustrukturyzowanego grafu chorób. Badanie opublikowane w Cancer Cell przez Zhou i współpracowników wykazało, że podejście oparte na wiedzy dziedzinowej kształtuje bardziej znaczące reprezentacje semantyczne, co prowadzi do znaczącej poprawy wyników w zadaniach zero-shot i few-shot na wielu benchmarkach patologicznych. Model wykazuje szczególnie obiecujące rezultaty w klasyfikacji rzadkich nowotworów, gdzie dane treningowe są zazwyczaj ograniczone, a konwencjonalne modele sztucznej inteligencji mają trudności z prawidłową klasyfikacją. Praca stanowi ważny krok w kierunku bardziej uogólnionych i klinicznie przydatnych narzędzi AI w patologii, choć przed wdrożeniem w praktyce diagnostycznej konieczna będzie dalsza walidacja kliniczna.