Краткое содержание

arXiv:2511.05150v1 Тип объявления: кросс Аннотация: Биомаркеры на основе ИИ позволяют непосредственно извлекать молекулярные характеристики из гистологических препаратов, окрашенных гематоксилином и эозином (ГиЭ), однако большинство базовых моделей патологии (PFM) полагаются на глобальные эмбеддинги уровня патчей и игнорируют клеточную морфологию. Мы представляем базовую модель PFM — JWTH (иерархия токенов с совместным взвешиванием), объединяющую крупномасштабное обучение с само-надзором до тренировки с последующей тонкой настройкой, ориентированной на клетки, и пулингом внимания для объединения локальных и глобальных токенов. В четырёх различных задачах, включающих четыре биомаркера и восемь когорт пациентов, модель JWTH достигает повышения сбалансированной точности на 8,3% и среднего улучшения на 1,2% относительно предыдущих моделей PFM, способствуя развитию интерпретируемых и надёжных методов обнаружения биомаркеров на основе ИИ в цифровой патологии.