麻省总医院布里格姆的研究人员利用基础模型背后的技术，利用ChatGPT等工具，发现新的癌症成像生物标志物，这些标志物可以改变从放射图像中识别模式的方式。改进对这些模式的识别可以极大地影响癌症的早期发现和治疗。
研究小组利用由11467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。利用这些图像，该模型能够在四个队列的三个不同用例中识别预测解剖部位、恶性肿瘤和预后的模式。
与该领域的现有方法相比，他们的方法在应用于只有有限数据可用的专门任务时仍然强大。研究结果发表在《自然机器智能》杂志上。
“鉴于图像生物标志物研究是为回答越来越具体的研究问题而量身定制的，我们相信我们的工作将使调查更加准确和有效，”麻省总医院布里格姆医学人工智能(AIM)项目的第一作者苏拉吉·派(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(人工智能的答案可以以一种对人类“有意义”的方式解释的概念)。
研究人员证明，他们的方法在读者之间的差异和习得差异中保持稳定。基础模型确定的模式也显示出与潜在生物学的强烈关联，主要与免疫相关途径相关。
AIM项目主任、资深作者Hugo Aerts博士说:“我们的研究结果表明，在只有有限的数据可用于训练深度学习网络的情况下，基础模型在医学上的有效性，特别是在用于识别癌症相关用例的可靠成像生物标志物时。”
更多信息:Suraj Pai等人，癌症成像生物标志物的基础模型，Nature Machine Intelligence(2024)。DOI: 10.1038/s42256-024-00807-9期刊信息:自然机器智能由麻省总医院布里格姆提供引文:研究人员使用基础模型发现新的癌症成像生物标志物(2024,5月7日)检索自2024年5月7日https://medicalxpress.com/news/2024-05-foundation-cancer-imaging-biomarkers.html此文档受版权保护。除为私人学习或研究目的而进行的任何公平交易外，未经书面许可，不得转载任何部分。内容仅供参考之用。
