TUM实测19个病理基础模型：查癌可行，异型增生识别仍难

慕尼黑工业大学（TUM）的 Kazemi、Schüffler 等人在 npj Digital Medicine 发表研究，对 19 个病理基础模型进行实测评估。该研究基于 BarrettNet 多中心队列，结果显示这些模型在癌症检出上表现较可靠，但在识别异型增生方面仍明显不足。报道据此指出，病理基础模型在查癌场景已具备可行性，而对异型增生等病变的判别仍是明显短板。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。