MOOZY：面向计算病理学的以患者为中心的基石模型
计算机视觉与模式识别
2026-04-02 v2
摘要
计算病理学迫切需要能够在不同临床任务之间迁移的全切片图像 (WSI) 基石模型，但当前方法仍主要以切片为中心，往往依赖私有数据和高昂的配对报告监督，未显式建模来自同一患者的多个切片之间的关系。我们提出 MOOZY，一种以患者为中心的病理学基石模型，其中患者病例而非单个切片是表示的核心单元。MOOZY 通过预训练期间的患者案例转换器显式建模同一患者的所有切片之间的依赖关系，结合多阶段开放式自监督与规模化低成本任务监督。在阶段 1，我们在 77,134 张公共切片特征网格上进行视觉唯一的切片编码器预训练，使用遮蔽自蒸馏。在阶段 2，我们通过患者转换器和针对 333 项任务的多任务监督（包括 205 项分类任务和 128 项生存任务，涵盖四个终点）将这些表示与临床语义对齐。在八个 held-out 任务中进行五折冻结特征探针评估后，MOOZY 在大多数指标上取得最佳或持平的最佳性能，相较于 TITAN 提升了 +7.37%、+5.50% 和 +7.83%，相较于 PRISM 提升了 +8.83%、+10.70% 和 +9.78%（分别对应加权 F1、加权 ROC-AUC 和平衡准确率）。MOOZY 也具有参数高效，仅需 85.77M 参数，仅为 GigaPath 的 1/14。这些结果表明，开放且可重复的患者级预训练可产生可迁移的嵌入，为可扩展的患者为中心的组织病理学基石模型提供了实际路径。
引用
@article{arxiv.2603.27048,
title = {MOOZY: A Patient-First Foundation Model for Computational Pathology},
author = {Yousef Kotp and Vincent Quoc-Huy Trinh and Christopher Pal and Mahdi S. Hosseini},
journal= {arXiv preprint arXiv:2603.27048},
year = {2026}
}