Foundational Models for Pathology and Endoscopy Images: Application for Gastric Inflammation

要約

医療診断における人工知能 (AI) の統合は、世界のがん死亡率の主な原因である上部消化管 (GI) がんの管理における大きな進歩を表しています。
特に胃がん(GC)の場合、慢性炎症は萎縮、腸上皮化生(IM)、異形成などの粘膜の変化を引き起こし、最終的にはがんを引き起こします。
より良い転帰を得るには、内視鏡による定期的な監視による早期発見が不可欠です。
ファウンデーション モデル (FM) は、多様なデータに基づいてトレーニングされた機械学習モデルまたは深層学習モデルであり、幅広いユースケースに適用でき、内視鏡検査とそれに続く病理画像分析の精度を向上させる有望なソリューションを提供します。
このレビューでは、内視鏡検査および病理画像処理における FM に関連する最近の進歩、応用、および課題を調査します。
私たちは、モデルのトレーニング方法や予測機能の開発における大規模データの極めて重要な役割など、これらのモデルの基礎となる中心的な原理とアーキテクチャを解明することから始めました。
さらに、この研究では、新たな傾向と将来の研究の方向性について議論し、マルチモーダルデータの統合、より堅牢で公平なモデルの開発、リアルタイム診断サポートの可能性を強調しています。
このレビューは、GC症例の予防/管理のためにFMを臨床実践に組み込む複雑さを乗り越え、それによって患者の転帰を改善する際のロードマップを研究者と医療従事者に提供することを目的としている。

要約(オリジナル)

The integration of artificial intelligence (AI) in medical diagnostics represents a significant advancement in managing upper gastrointestinal (GI) cancer, a major cause of global cancer mortality. Specifically for gastric cancer (GC), chronic inflammation causes changes in the mucosa such as atrophy, intestinal metaplasia (IM), dysplasia and ultimately cancer. Early detection through endoscopic regular surveillance is essential for better outcomes. Foundation models (FM), which are machine or deep learning models trained on diverse data and applicable to broad use cases, offer a promising solution to enhance the accuracy of endoscopy and its subsequent pathology image analysis. This review explores the recent advancements, applications, and challenges associated with FM in endoscopy and pathology imaging. We started by elucidating the core principles and architectures underlying these models, including their training methodologies and the pivotal role of large-scale data in developing their predictive capabilities. Moreover, this work discusses emerging trends and future research directions, emphasizing the integration of multimodal data, the development of more robust and equitable models, and the potential for real-time diagnostic support. This review aims to provide a roadmap for researchers and practitioners in navigating the complexities of incorporating FM into clinical practice for prevention/management of GC cases, thereby improving patient outcomes.

arxiv情報

著者 Hamideh Kerdegari,Kyle Higgins,Dennis Veselkov,Ivan Laponogov,Inese Polaka,Miguel Coimbra,Junior Andrea Pescino,Marcis Leja,Mario Dinis-Ribeiro,Tania Fleitas Kanonnikoff,Kirill Veselkov
発行日 2024-06-26 10:51:44+00:00
arxivサイト arxiv_id(pdf)

提供元, 利用サービス

arxiv.jp, Google

カテゴリー: cs.CV, cs.LG パーマリンク