病理引导跨模态对比学习实现CT无创肾癌分级
原标题：Cross-Modal Contrastive Learning from Histopathology and CT for Automated Renal Cell Carcinoma Grading
AI 摘要
达特茅斯学院等机构的研究者提出 RCC-Align，一种跨模态对比学习框架，在训练阶段利用配对的病理全切片图像与 CT 数据，将组织形态学中的分级判别信息迁移到 CT 表征中。在 TCGA 和 CPTAC 队列上评估，RCC-Align 对低级别与高级别透明细胞肾细胞癌分类的 AUC 为 0.601，优于仅用 CT 的 DINOv2-Finetuned 基线（AUC 0.545），且推理时仅需 CT。该研究为活检不可行时的无创术前风险分层提供了潜在补充手段，但作者指出仍需更大规模多机构外部验证。
正文节选
[Page 1] Cross-Modal Contrastive Learning from Histopathology and CT for Automated Renal Cell Carcinoma Grading Amit Das1, Tanmay Shukla2, Naofumi Tomita2, Faraz Farhadi3, Jessica Sin4, Ari Hakimi5, Chad Vanderbilt6, Jie-Fu Chen6, Ritesh Kotecha7, Weijie Ma8, Bing Ren8, Saeed Hassanpour1,2,9* 1. Department of Computer Science, Dartmouth College, Hanover, NH 03755, USA 2. Department of Biomedical Data Science, Geisel School of Medicine at Dartmouth, Hanover, NH 03755,