7月17日记者获悉(xi)，空军军医大学病理(li)学团队联合清华大学团队、商(shang)汤医疗(liao)共同(tong)发布国内首个病理(li)大模(mo)型“PathOrchestra”。该(gai)模(mo)型基于国内规(gui)模(mo)最大的数字病理(li)图像(xiang)数据集训练，并实现全球最广泛的临床任务(wu)赋能，完成(cheng)了病理(li)AI领域(yu)从“单(dan)模(mo)专病”到“一模(mo)多病”的跨越(yue)式突破，开启病理(li)诊断“新纪元(yuan)”。

病理(li)诊断被誉为疾病诊断的“金标准”，但(dan)该(gai)领域(yu)长(chang)期(qi)以来(lai)面临病理(li)人才培养周期(qi)长(chang)、优质病理(li)诊断资源分布不均匀等问题。人工智能技术的应用让(rang)国内外病理(li)科迎来(lai)数智化转(zhuan)型浪潮，不过由于数字病理(li)切片(pian)分辨率高、涉及病种多，在“大数据+精标注”的传统AI模(mo)型训练范式下(xia)，想要对每一种疾病进行精标注训练几乎是“不可能完成(cheng)的任务(wu)”。“病理(li)图像(xiang)具有非常大的多样性，借助(zhu)人工智能技术开展诊断难度极大，因此病理(li)图像(xiang)处理(li)也被称为图像(xiang)处理(li)中的‘皇冠(guan)上的明珠’。病理(li)大模(mo)型正是突破数字病理(li)瓶颈的关键。”大学基础医学院王哲教授表示。

此次发布的病理(li)大模(mo)型PathOrchestra，将视觉模(mo)型和大语言模(mo)型结合，利用国内规(gui)模(mo)最大的近30万张(zhang)全切片(pian)数字病理(li)图像(xiang)（近300TB数据）数据集训练，并融合了文(wen)本、视频(pin)等多模(mo)态训练数据。通过对海量数据的自监督学习，无需大量精标注数据，即可让(rang)模(mo)型“触类旁通”学会(hui)分析各类器官病理(li)图像(xiang)，已覆盖肺、乳腺(xian)、肝脏、食管等20余种器官，赋能包括泛癌分类、病灶识别和检测、多癌种亚(ya)型分类、生物标志物评估等在内的百余项(xiang)临床任务(wu)，在多器官泛癌分类、淋巴瘤亚(ya)型诊断、膀胱癌筛查等近50项(xiang)任务(wu)中准确率超过95%，这也是目前全球赋能临床任务(wu)最广的病理(li)大模(mo)型。