哈佛医学院的研究人员揭示了一种名为CHIEF（临床组织病理学影像评估基础）的新AI模型，该模型能够以惊人的准确性诊断和预测多种癌症类型的结果。

根据研究，CHIEF在癌症检测方面的表现优于现有的AI系统，在19种不同癌症类型中达到了“96%的准确率”。研究人员将CHIEF的多功能性比作ChatGPT，这种语言模型因其处理广泛任务的能力而受到广泛关注。

CHIEF基本上是一个非常专业的AI视觉模型——一个能够理解视觉输入的模型，经过训练能够在癌细胞图像中提供超详细的信息，而不是我们在传统模型（如GPT-4V或LlaVA）中看到的通用方法。

图片来源：Wang, X., Zhao, J., Marostica, E. 等

因此，CHIEF并不是被训练去识别“猫”或“橙子”等一般元素，而是基于一个庞大的多模态数据集进行训练，包括1500万张未标记的图像和来自19个不同解剖部位的60,000张全切片图像。

“通过在44TB高分辨率病理影像数据集上的预训练，CHIEF提取了对癌细胞检测、肿瘤来源识别、分子特征描述和预后预测有用的微观表示，”研究中写道。

这种方法的效果似乎超出了预期。“我们的目标是创建一个灵活、多功能的类似ChatGPT的AI平台，能够执行广泛的癌症评估任务，”研究的高级作者Kun-Hsing Yu说。“我们的模型在与多种癌症相关的癌症检测、预后和治疗反应等多个任务中表现得非常有用。”

研究人员在全球收集的32个独立数据集中的19,400多张图像上测试了CHIEF，并在这些任务中超越了最先进的AI方法，提升幅度高达36.1%。它在区分高生存率和低生存率患者方面也更为准确，并能够提供不同分析组织样本的准确见解。

研究人员计划通过在稀有疾病、非癌症状况和前恶性组织的图像上进一步训练CHIEF，以提高其准确性。他们还希望为模型提供更多数据，以便其在识别癌症侵袭性和预测新治疗效果方面变得更好。

AI在癌症检测及其他领域的扩展角色

研究人员已经利用AI推动癌症及其他疾病的检测、诊断和治疗已有一段时间。

例如，剑桥大学的研究人员推出了EMethylNET，这是一种使用组织样本DNA数据检测13种癌症的AI模型，准确率达到98%。EMethylNET在6000多份组织样本上进行训练，突显了AI在通过DNA甲基化早期识别癌症方面的潜力，DNA甲基化在癌症生长中起着至关重要的作用。

另一个早期模型名为CancerGPT（这个名字不是我们编造的）使用大型语言模型预测药物组合可能对癌症患者的稀有组织产生的影响。它证明了在结构化数据和样本稀缺时，预训练模型可以是无价的。CancerGPT能够概括预测并利用先前的医学研究提供重要见解，尽管研究人员仍然对潜在的AI幻觉表示担忧。

谷歌和iCAD也合作使用AI来增强癌症筛查。他们的AI驱动系统在准确性上超越了专家放射科医师，提供了一种可行的解决方案，以应对全球放射科医师短缺的问题，并改善了拯救生命的乳腺癌筛查的可及性。

最后，另一种名为Sturgeon的AI技术正在被脑外科医生使用，以90%的准确率实时辅助诊断中枢神经系统肿瘤。

CHIEF是开源的，可以在项目的Github页面上下载，因此研究人员（或其他任何人）可以输入自己的图像并在本地运行。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。