剛剛有幸接受了@Nature的訪問，談論AI在數位病理學中的崛起。隨著工作量的增加和病理學家全球短缺，這個領域將AI視為一種必要性，而非奢侈品。 完整文章： 在文章中，我討論了像UNI-2和CONCH這樣的基礎模型的最新進展如何重新定義癌症診斷的可能性。這些模型在數億個病理切片上進行訓練，超越了分類：它們使分子亞型化、標題生成，甚至零樣本推斷成為可能。 但儘管炒作是真實的，挑戰也同樣存在。跨站點泛化、缺乏外部驗證和監管障礙仍然是主要障礙。我們必須投資於穩健的基準測試、多機構試驗和可信的模型設計，以確保AI真正支持——而不是取代——臨床判斷。 數位病理學不是未來——它已經在這裡。讓我們使其安全、可擴展和公平。 @UHN_Research @PMResearch_UHN @VectorInst @UofT