刚刚有幸接受了@Nature的采访，讨论了人工智能在数字病理学中的崛起。随着工作量的增加和病理学家全球短缺，该领域将人工智能视为一种必要性，而非奢侈品。 完整文章： 在文章中，我讨论了像UNI-2和CONCH这样的基础模型的最新进展如何重新定义癌症诊断的可能性。这些模型在数亿个病理切片上进行训练，超越了分类：它们使分子亚型分类、标题生成，甚至零样本推理成为可能。 但尽管炒作是真实的，挑战也同样存在。跨站点泛化、缺乏外部验证和监管障碍仍然是主要障碍。我们必须投资于稳健的基准测试、多机构试验和可信的模型设计，以确保人工智能真正支持而不是取代临床判断。 数字病理学不是未来——它已经在这里。让我们使其安全、可扩展和公平。 @UHN_Research @PMResearch_UHN @VectorInst @UofT