乳腺癌生存预测的基准病理学基础模型

病理学基础模型（PFM）最近已成为计算病理学强大的预训练编码器，支持跨广泛下游任务的迁移学习。然而，这些模型对具有临床意义的预测问题的系统比较仍然有限，特别是在外部验证下的生存预测的背景下。在这项研究中，我们对广泛使用和最近提出的 PFM 进行了基准测试，用于从全玻片组织病理学图像预测乳腺癌生存。使用基于补丁级特征提取的标准化流程和统一的生存建模框架，我们评估了三个独立临床队列的模型表示，其中包括超过 5,400 名长期随访的患者。模型在一个队列上进行训练，并在两个独立的外部队列上进行评估，从而能够对跨数据集泛化进行严格评估。总体而言，H-optimus-1 实现了最强的生存预测性能。更广泛地说，我们观察到各型号系列的持续改进，第二代 PFM 的性能优于第一代同类产品。然而，许多近期 PFM 之间的绝对性能差异仍然不大，这表明进一步扩展预训练数据或模型大小的回报正在递减。值得注意的是，尽管使用的参数少于 8%，并且特征提取速度显着加快，但紧凑的蒸馏模型 H​​0-mini 的性能略优于其较大的教师模型 H-optimus-0。总之，这些结果为乳腺癌生存预测提供了第一个大规模、外部验证的 PFM 基准，并为在临床工作流程中有效部署 PFM 提供了实用指导。