BRIGHT：面向乳腺病理的协作通用-专家基础模型
计算机视觉与模式识别
2026-03-04 v1
摘要
通用病理基础模型（PFM）已在大规模多器官数据集上进行预训练，展现出在多样临床应用中的卓越预测能力。然而，其在特定器官系统内完整临床必需任务范畴内的专业能力仍是未知之谜，这源于缺乏针对单一器官的大规模验证队列以及缺乏能够有效将广泛组织形态学知识转化为针对特定器官所需专家级解读能力的量身定制训练范式。本研究提出 BRIGHT，即首个专为乳腺病理设计的 PFM，训练于约 2100 万片乳腺全切片组织病理切片图（来自 4 万余名患者、跨 19 家医院的队列）。BRIGHT 采用协作通用-专家框架，捕获通用特征与器官特定特征。为全面评估 PFM 在乳腺肿瘤学中的性能，我们构筑了目前为止规模最大的多机构队列，用于下游任务开发与评估，覆盖 10 家医院、超过 25000 片 WSIs。验证队列涵盖乳腺病理学的完整范畴，涉及 24 种不同临床任务，包括诊断、生物标志物预测、治疗反应及生存预测。大量实验表明，BRIGHT 在 21 项内部验证任务中超越三家领先的通用 PFM，实现 24 项任务中的 SOTA 性能；在 10 项外部验证任务中取得 5 项的优异表现，热图解释效果卓著。通过在大规模验证队列上进行评估，本研究不仅展示了 BRIGHT 在乳腺肿瘤学中的临床实用性，也验证了协作通用-专家范式的可行性，为开发特定器官系统的 PFM 提供了可扩展模板。
引用
@article{arxiv.2603.03030,
title = {BRIGHT: A Collaborative Generalist-Specialist Foundation Model for Breast Pathology},
author = {Xiaojing Guo and Jiatai Lin and Yumian Jia and Jingqi Huang and Zeyan Xu and Weidong Li and Longfei Wang and Jingjing Chen and Qin Li and Weiwei Wang and Lifang Cui and Wen Yue and Zhiqiang Cheng and Xiaolong Wei and Jianzhong Yu and Xia Jin and Baizhou Li and Honghong Shen and Jing Li and Chunlan Li and Yanfen Cui and Yi Dai and Yiling Yang and Xiaolong Qian and Liu Yang and Yang Yang and Guangshen Gao and Yaqing Li and Lili Zhai and Chenying Liu and Tianhua Zhang and Zhenwei Shi and Cheng Lu and Xingchen Zhou and Jing Xu and Miaoqing Zhao and Fang Mei and Jiaojiao Zhou and Ning Mao and Fangfang Liu and Chu Han and Zaiyi Liu},
journal= {arXiv preprint arXiv:2603.03030},
year = {2026}
}