整个幻灯片图像基础模型中的形态信号可以自动对幻灯片进行分类

癌症诊断和分期过程中的患者检查通常会生成多个完整幻灯片图像 (WSI)。 WSI 数据训练模型的初始步骤之一是识别一张或几张包含下游预测任务（例如估计复发风险或无进展生存期）所需的肿瘤或其他诊断生物标志物的载玻片。此步骤需要经验丰富的病理学家进行繁琐的手动操作。许多已发表的数据集人为假设每个患者一张载玻片。或者，每个患者的所有载玻片都可以用于 模型训练，这可能会稀释来自包含肿瘤或其他相关信息的少数载玻片的信号。在本文中，我们提出了一种使用公开的 WSI 基础模型 (FM) 来克服这些挑战的途径。我们的评估表明，基于使用 WSI FM 的零样本分类预测对 WSI 进行排名，可以准确地识别肿瘤最多的载玻片，表明 WSI FM 包含足够的形态信号来自动对载玻片进行分类。我们还提出了一种排名评估的公式，用于对幻灯片分类中的 FM 性能进行基准测试。我们在多个数据集上显示，肿瘤切片在最多 43 张切片的患者的排名前 2 的切片中被识别。