论文
好、坏和脆弱：组织病理学基础模型的鲁棒性和泛化基准测试
The Good, the Bad, and the Brittle: Benchmarking Robustness and Generalisation of Histopathology Foundation Models
摘要
病理学基础模型的稳健性和通用性如何？是否已达到其扩展极限？我们使用鲁棒性评估和增强工具箱 (REET) 对 12 个病理学基础模型 (PFM) 和 ResNet 基线进行了基准测试，涵盖 11 个临床实际扰动和相异驱动的非冗余 K 倍验证 (NR-Kfold) 协议。我们引入扰动性能指数（PPI）来总结受控扰动扫描下的精度趋势，并通过参数计数分析鲁棒性缩放。我们表明，PFM 在鲁棒性和领域泛化方面始终优于 CNN，但模型缩放显示收益递减：中型模型（例如 UNI2/Virchow-2 等）与大型系统相比，具有可比或更高的弹性。 NR-Kfold 分析进一步揭示了当训练-测试相似性被破坏时系统准确性损失和变异性增加，强调了明确的分布偏移评估的必要性。这些发现表明，下一代病理学基础模型必须优先考虑数据质量、多模态信息和领域对齐而不是参数计数，以实现真正的临床可靠性。