提到病理学，大家都比较熟悉，其是研究人体疾病发生的原因、发生机制、发展规律以及疾病过程中机体的形态结构、功能代谢变化和病变转归的一门基础医学科学，基于病理学的诊断目前仍是一些疾病诊断的“金标准”。而随着大数据和人工智能的发展，其逐渐应用到病理学研究中，形成了计算病理学（Computational pathology，CPATH）。计算病理是数字病理和人工智能技术的组合，它以数字病理图像为基础，以高性能算法为核心。对人类知识和经验进行量化建模，辅助病理医师实现更精准、更客观、可重复的诊断。对于这个新学科，小编先为大家介绍一下计算病理学中的一些通用基础模型，以便后续更深入的了解这个前沿而又重要的领域。
组织图像背景
在计算病理学领域，组织图像的定量评估对于任务的完成至关重要，需要对全片图像（WSIs）中的组织病理学实体进行客观表征。然而，WSIs的高分辨率和形态特征的可变性带来了重大挑战，使得为高性能应用进行大规模数据标注变得复杂。为了解决这一问题，目前已经有一些工作尝试通过从自然图像数据集进行迁移学习或在公开的组织病理学数据集上进行自监督学习，利用预训练的图像编码器，但这些方法尚未在大规模多样的组织类型上进行广泛开发和评估。
UNI推进了计算病理学中的大规模无监督表示学习，无论是在预训练数据方面还是在下游评估方面，启用数据高效的人工智能模型，这些模型能够泛化并转移到广泛的诊断挑战任务和解剖病理学的临床工作流程中。
此外，病理学临床实践涉及广泛的任务，从肿瘤检测和分型到分级和分期，由于可能的诊断数以千计，病理学家必须擅长同时解决多种不同的问题。当前的计算病理学进一步扩展了这一领域，能够预测分子改变、预后和治疗反应等多种应用。由于任务繁多，从头训练模型存在实际限制，包括病理学家注释的收集和大型组织学集合的构建。这些因素导致了计算病理学中依赖迁移学习技术，这些技术在转移学习任务如转移检测、突变预测、前列腺癌分级和结果预测中被证明是有效的。
自监督（或预训练）模型的迁移学习、泛化和扩展能力取决于训练数据的规模和多样性。在通用计算机视觉领域，许多基础自监督模型的开发和评估基于ImageNet大规模视觉识别挑战和其他大型数据集。这些模型由于能够在预训练时适应大量数据而被描述为“基础模型”。在计算病理学中，癌症基因组图谱（TCGA）和其他组织学数据集成为许多自监督模型的基础。尽管如此，目前的预训练模型仍然受限于预训练数据的规模和多样性，这主要包括TCGA大多是原发癌症组织切片，且在不同组织类型和泛癌症分析中的泛化性能有限。
本研究在之前的努力基础上，介绍了一个通用的自监督视觉编码器UNI，这是基于一个名为“Mass-100K”的大规模组织切片集合进行预训练的。这一预训练数据集由超过1亿个组织patch组成，涵盖了20种主要组织类型的100,426张诊断用H&E染色的全片图像（WSIs），为学习组织病理学生物标志物的客观表征提供了丰富的信息。在预训练阶段，使用了一种名为DINOv2的自监督学习方法，该方法已被证明在下游任务中无需进一步调整即可产生强大的即用型表示（off-the-shelf representations）。文中展示了UNI在计算病理学中多样的机器学习设置中的多功能性，包括ROI级分类、分割和图像检索，以及幻灯片级弱监督学习。总之，本研究评估了UNI在解剖病理学中34项临床任务中的表现，任务包括核分割、原发和转移性癌症检测、癌症分级和分型、生物标志物筛选和分子分型、器官移植评估，以及包括OncoTree癌症分类系统中的108种癌症类型在内的多个泛癌分类任务。
总结而言，UNI通过其强大的表示学习能力和对多种任务的泛化能力，展示了在计算病理学领域的巨大潜力。其在数据规模和模型规模上的扩展能力，结合自监督学习算法的选择，使得UNI成为一个强大的病理学基础模型，能够在临床工作流中广泛应用。未来，UNI有望进一步推动病理学AI模型的发展，特别是在解决罕见和未充分代表疾病的分类任务中，发挥重要作用。
原文链接：https://www.nature.com/articles/s41591-024-02857-3
GitHub Repo：https://github.com/mahmoodlab/UNI
