.png){kind=icon}
返回
Conditional Generative AI in Oncology Diagnostics
.png){kind=icon}
OA
AI
DOI：10.3390/app16084015.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
肿瘤诊断日益复杂的现状需要能够整合多模态数据的高级临床决策支持系统（CDSS）。传统判别模型常在处理缺失数据和跨模态依赖方面遇到困难。本文提供了一种新颖、系统的条件生成人工智能（AI）分析，包括变分自编码器（VAEs）、生成对抗网络（GANs）、扩散模型和跨模态大型语言模型（MLLMs），这些技术特别适用于肿瘤学CDSS。我们探讨了这些架构如何超越简单预测以学习联合数据分布，从而实现稳健的数据补全、虚拟染色和自动化临床报告。本研究的核心重点是评估转化应用，识别实验概念验证与临床部署之间的差距。我们探讨了模型幻觉、领域漂移和人口偏见等关键障碍，并提供了确保生物学一致性和合规监管的路线图。本文强调了从任务特定生成器向跨模态推理系统的转变。最终，我们认为将生成式AI融入诊断工作流程对精准肿瘤学至关重要，前提是保持人机协同验证和不确定性感知推理的核心地位。
Keyword:
Generative Artificial Intelligence (AI)
clinical decision support systems (CDSS)
oncology
digital pathology
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
Learning conditional variational autoencoders with missing covariates学习具有缺失协变量的条件变分自编码器.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏HistoChat: Instruction-tuning multimodal vision language assistant for colorectal histopathology on limited dataHistoChat：在有限数据上通过指令微调多模态视觉语言助手用于结直肠组织病理学PatternsOAAI
PatternsIF7.4
OAAI分享收藏Generating and evaluating synthetic data in digital pathology through diffusion models通过扩散模型生成和评估数字病理学中的合成数据SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Content Generation Models in Computational Pathology: A Comprehensive Survey on Methods, Applications, and Challenges计算病理学中的内容生成模型: 方法，应用和挑战的综合调查
PREAI
分享收藏Advancements in pathology: Digital transformation, precision medicine, and beyond病理学进展：数字化转型、精准医学及未来展望OAAI
OAAI分享收藏Chen, D, Parsa, R, Swanson, K, Nunez, JJ, Critch, A, Bitterman, DS, et al. Large language models in oncology: a review. BMJ Oncol. (2025) 4:e000759. doi: 10.1136/bmjonc-2025-000759陈, D, Parsa, R, Swanson, K, Nunez, JJ, Critch, A, Bitterman, DS, 等. 大型语言模型在肿瘤学中的应用：综述. BMJ Oncol. (2025) 4:e000759. doi: 10.1136/bmjonc-2025-000759.
IF0
PREAI
分享收藏A tool for federated training of segmentation models on whole slide images用于在全景切片图像上联邦训练分割模型的工具
PREAI
分享收藏
查看更多内容