哈佛医学院的研究人员公布了一种名为酋长（临床组织病理成像评估基金会），可以诊断和预测多种癌症类型的结果，具有显著的准确性。

根据这项研究，CHIEF优于现有的人工智能系统，在19种不同的癌症类型中检测癌症的准确率高达“96%”。研究人员将CHIEF的多功能性比作ChatGPT，ChatGPT是一种语言模型，因其处理各种任务的能力而受到广泛关注。

CHIEF基本上是一个非常专业的人工智能视觉模型——一个能够理解视觉输入的模型——在癌症细胞的图像中被训练为超级详细，而不是我们在GPT-4V或LlaVA等传统模型中看到的一般方法。

因此，CHIEF没有接受识别“猫”或“橙子”等一般元素的训练，而是在一个庞大的多模态数据集上进行了训练，其中包括1500万张未标记的图像和来自19个不同解剖部位的6万张组织全玻片图像。

研究中写道：“通过对44 TB高分辨率病理成像数据集进行预训练，CHIEF提取了有助于癌症细胞检测、肿瘤起源鉴定、分子图谱表征和预后预测的微观表征。”。

这种方法似乎比预期的要好。“我们的目标是创建一个灵活、通用的类似ChatGPT的人工智能平台，可以执行广泛的癌症评估任务。”说研究资深作者余坤兴。“我们的模型在与癌症检测、预后和多种癌症治疗反应相关的多项任务中非常有用。”

研究人员在来自全球32个独立数据集的19400多张图像上测试了CHIEF，在这些任务中，它的表现比最先进的人工智能方法高出36.1%。它在区分高存活率和低存活率患者方面也更准确，并且能够提供不同分析组织样本的准确见解。

研究人员计划通过在罕见疾病、非癌性疾病和癌前组织的图像上对其进行训练来进一步改进CHIEF，以提高其准确性。他们还希望为模型提供更多的数据，以便更好地识别癌症的侵袭性和预测新治疗的效果。

人工智能在癌症检测及其他方面的作用不断扩大

一段时间以来，研究人员一直在利用人工智能来推进癌症和其他疾病的检测、诊断和治疗。

例如，剑桥大学的研究人员介绍EMethylNET，一种人工智能模型，使用组织样本的DNA数据检测13种类型的癌症，准确率为98%。EMethNET对6000多个组织样本进行了培训，强调了人工智能通过DNA甲基化早期识别癌症的潜力，DNA甲基化在癌症的生长中起着至关重要的作用。

另一个早期型号名为癌症GPT（我们不是编造这个名字）使用了一个大型语言模型来预测药物组合如何影响癌症患者的罕见组织。它表明，当结构化数据和样本稀缺时，预训练模型可能是无价的。CancerGPT能够概括预测，并利用先前的医学研究提供重要见解，尽管研究人员仍然担心潜在的人工智能幻觉。

谷歌和iCAD还联合使用人工智能来加强癌症筛查。他们的AI阳性系统在准确性上优于专业放射科医生，在全球放射科医生短缺的情况下提供了一种可行的解决方案，并提高了挽救生命的癌症筛查的可及性。

最后，脑外科医生正在使用另一种名为鲟鱼的人工智能技术，以90%的准确率实时协助诊断中枢神经系统肿瘤。

CHIEF是开源的，可以在项目的Github页面因此，研究人员（或任何其他人）可以输入自己的图像并在本地运行。