肾脏数字病理图像的组织胞病理基础模型综合基准
计算机视觉与模式识别
2026-03-19 v2
摘要
组织胞病理基础模型（Histopathology Foundation Models, HFMs），预训练于大规模癌症数据集，已推动计算病理学发展。然而，其针对非恶性慢性肾病的适用性尚未得到充分探索，尽管肾脏病理常与肾细胞癌和尿路上皮癌等恶性肿瘤共存。我们系统评估了 11 个公开可用的 HFMs，涵盖 11 项肾脏特定下游任务，包括多种染色方法（PAS、H&E、PASM 和 IHC）、空间尺度（切块和切片层面）、任务类型（分类、回归和复制检测）以及临床目标（检测、诊断和预后）。切片层面的性能采用重复分层组交叉验证评估，而切片层面的任务使用重复嵌套分层组交叉验证评估。检验统计显著性采用 Friedman 检验后跟配对 Wilcoxon 符号秩检验，结合 Holm-Bonferroni 校正和紧凑字母显示进行可视化。为促进可重复性，我们发布了开源 Python 软件包 kidney-hfm-eval，地址为 https://pypi.org/project/kidney-hfm-eval/ ，可复现评估流程。结果显示，在由粗糙中尺度肾组织结构驱动的任务（包括诊断性分类和检测显著结构改变）上表现中等到强；相比之下，对于需要精细微观结构辨识、复杂生物表型或切片层面预后推断的任务，性能始终下降，此现象几乎独立于染色类型。总体而言，当前 HFMs 似乎编码主要为静态中尺度表征，可能捕捉不到细微肾病变或与预后相关的信号。我们的结果凸显了针对肾脏、多染色和多模态基础模型的需求，以支持肾脏学中临床可靠决策。
引用
@article{arxiv.2603.15967,
title = {A Comprehensive Benchmark of Histopathology Foundation Models for Kidney Digital Pathology Images},
author = {Harishwar Reddy Kasireddy and Patricio S. La Rosa and Akshita Gupta and Anindya S. Paul and Jamie L. Fermin and William L. Clapp and Meryl A. Waldman and Tarek M. El-Ashkar and Sanjay Jain and Luis Rodrigues and Kuang Yu Jen and Avi Z. Rosenberg and Michael T. Eadon and Jeffrey B. Hodgin and Pinaki Sarder},
journal= {arXiv preprint arXiv:2603.15967},
year = {2026}
}
备注
31 Pages, 14 Tables, 12 figures, Co-correspondence to [email protected] and [email protected]