麻省总医院布里格姆分校的研究人员利用基础模型背后的技术（为 ChatGPT 等工具提供支持）来发现新的癌症成像生物标志物，这些生物标志物可以改变从放射图像中识别模式的方式。 改进此类模式的识别可以极大地影响癌症的早期检测和治疗。
研究团队使用由 11,467 张异常放射扫描图像组成的综合数据集开发了他们的基础模型。 使用这些图像，该模型能够识别预测四个队列中三个不同用例的解剖部位、恶性肿瘤和预后的模式。 与该领域的现有方法相比，当应用于只有有限数据的专门任务时，他们的方法仍然很强大。 结果发表在《自然机器智能》上。
“鉴于图像生物标志物研究是为了回答日益具体的研究问题而量身定制的，我们相信我们的工作将实现更准确、更高效的调查，”来自麻省总医院布里格姆分校医学人工智能 (AIM)项目的第一作者 Suraj Pai 说。
尽管人工智能方法的效率有所提高，但一个关键问题仍然是它们的可靠性和可解释性（即人工智能的答案可以以对人类“有意义”的方式进行解释的概念）。 研究人员证明，他们的方法在读者间的差异和习得差异中保持稳定。 基础模型识别的模式还表现出与基础生物学的密切关联，主要与免疫相关途径相关。
“我们的研究结果证明了当只有有限的数据可用于训练深度学习网络时，基础模型在医学中的功效，特别是当应用于识别癌症相关用例的可靠成像生物标志物时，”资深作者、该公司主任 Hugo Aerts 博士说。 AIM 计划。
资讯来源：由a0资讯编译自THECOINREPUBLIC。版权归作者A0资讯所有，未经许可，不得转载
