Miałem przyjemność być interviewowanym przez @Nature na temat wzrostu AI w patologii cyfrowej. W obliczu rosnących obciążeń i globalnych niedoborów patologów, dziedzina ta zwraca się ku AI nie jako luksusowi, ale jako konieczności. Pełny artykuł: W artykule omawiam, jak ostatnie postępy w modelach bazowych, takich jak UNI-2 i CONCH, redefiniują to, co możliwe w diagnostyce nowotworowej. Wytrenowane na setkach milionów fragmentów patologicznych, te modele wykraczają poza klasyfikację: umożliwiają subtypowanie molekularne, generowanie podpisów i nawet wnioskowanie zero-shot. Ale chociaż hype jest rzeczywisty, wyzwania również są realne. Generalizacja między miejscami, brak zewnętrznej walidacji i przeszkody regulacyjne pozostają poważnymi barierami. Musimy inwestować w solidne benchmarki, wieloinstytucjonalne badania i wiarygodny projekt modeli, aby zapewnić, że AI naprawdę wspiera — a nie zastępuje — osąd kliniczny. Patologia cyfrowa to nie przyszłość — to już tutaj. Uczyńmy ją bezpieczną, skalowalną i sprawiedliwą. @UHN_Research @PMResearch_UHN @VectorInst @UofT