本文へスキップ

CHIEF

がん診断と予後予測のための病理基盤モデル

公式サイトを見る

CHIEF とは

本モデルはがん診断と予後予測のための病理学基盤モデルと紹介され、二つの補完的な事前学習で病理画像の特徴を抽出すると説明されている。教師なし事前学習はタイル単位の特徴に、弱教師あり事前学習はスライド全体のパターンに向けられる。

できること

  • がん細胞と正常細胞を識別する
  • 腫瘍の起源部位を特定する
  • 腫瘍の分子特性を解析する
  • がん患者の予後を予測する

開発と検証

  • 60,530 枚の全スライド画像と 19 の解剖部位で開発
  • 44TB の高解像度病理画像データセットで事前学習
  • 32 の独立スライド集合の 19,491 枚で検証
  • スライド集合は 24 の国際病院とコホートに由来する

導入の手順

  • Linux・NVIDIA GPU・Python 環境を用意する
  • コード群をローカル環境に複製する
  • 案内に従い必要なライブラリと道具を導入する
  • 事前学習済みの重みをダウンロードし導入する

長所と短所

✓ 良い点

  • タイル単位とスライド全体の両方の特徴を抽出できる
  • 資料は一つのモデルに四つの解析課題を挙げる

! 注意したい点

  • Linux・NVIDIA GPU・Python 環境の導入が必要
  • 事前学習済みの重みは別途ダウンロードして導入する

よくある質問

開発に使ったデータは?

資料は 60,530 枚の全スライド画像、19 の解剖部位、44TB のデータセットでの事前学習を挙げる。

検証の規模は?

24 の国際病院とコホートの 32 独立スライド集合、19,491 枚の全スライド画像で検証と説明。

最終評価日: 2026-11-15

その他 LLM APIプラットフォーム ツール

すべて見る →

評価方法