【文章来源：techweb】
IT 之家 10 月 13 日消息，腾讯今日宣布，腾讯生命科学实验室与广州医科大学第一附属医院、广州呼吸健康研究院联合研发的 DeepGEM 病理大模型，已在肺癌基因突变预测中完成大规模验证 —— 只需常规病理切片图像，1 分钟内完成肺癌基因突变预测，精准度达 78%~99%。
换句话说，这是一种不依赖基因测序、只靠病理图像就能用 AI 完成突变预测的新路径。过去动辄上万元、要等一两周才能拿到的检测结果，未来或只需几分钟，成本也有望降低数倍。
DeepGEM 的核心能力，是基于 AI 从普通病理图像中 「看出」 基因突变 ——
虽然病理切片不直观反映突变本身，但大量研究发现，肿瘤细胞的排列方式、形态特征、周围组织反应等 「形态学信号」，和某些基因突变之间存在统计学上的关联。DeepGEM 就是通过大量病理数据，在看似普通的图像中，捕捉那些 「可能意味着突变」 的细节。
模型采用多示例学习 （MIL） 架构，不需要人工提前标注肿瘤区域，而是直接把整张图像输入模型，由 AI 判断哪些区域值得关注，并据此给出预测结果。
同时，模型还能输出基因突变的 「空间分布图」，展示同一肿瘤内部不同区域的突变差异，帮助医生在观察切片时，快速识别突变高发区域，提高观察效率、辅助决策判断。
当然，不同患者的病理样本形态各异，可能来自术后切除，也可能是穿刺活检，甚至存在一定质量差异。DeepGEM 在设计之初，就考虑了这些实际情况，只要是常规病理切片，DeepGEM 都能处理，适配性强、落地门槛低。
目前，在多组数据测试中，DeepGEM 大模型的预测准确率达 78%–99%，已经可以媲美传统的基因检测方法。也就是说，当检测周期太长、样本不足，或者患者等不起时，可以通过 DeepGEM 大模型快速给出参考结果，帮医生尽快做出决策。
IT 之家从腾讯公告获悉，在 DeepGEM 大模型跑通之后，腾讯、广州医科大学第一附属医院、广州呼吸健康研究院和金域医学，正式开启下一步合作：将共建一个基于 AI 的 「病理-基因多模态大模型平台」，推动 AI 技术应用到更多部位、更多癌种的辅助诊断。
【文章来源：techweb】
IT 之家 10 月 13 日消息，腾讯今日宣布，腾讯生命科学实验室与广州医科大学第一附属医院、广州呼吸健康研究院联合研发的 DeepGEM 病理大模型，已在肺癌基因突变预测中完成大规模验证 —— 只需常规病理切片图像，1 分钟内完成肺癌基因突变预测，精准度达 78%~99%。
换句话说，这是一种不依赖基因测序、只靠病理图像就能用 AI 完成突变预测的新路径。过去动辄上万元、要等一两周才能拿到的检测结果，未来或只需几分钟，成本也有望降低数倍。
DeepGEM 的核心能力，是基于 AI 从普通病理图像中 「看出」 基因突变 ——
虽然病理切片不直观反映突变本身，但大量研究发现，肿瘤细胞的排列方式、形态特征、周围组织反应等 「形态学信号」，和某些基因突变之间存在统计学上的关联。DeepGEM 就是通过大量病理数据，在看似普通的图像中，捕捉那些 「可能意味着突变」 的细节。
模型采用多示例学习 （MIL） 架构，不需要人工提前标注肿瘤区域，而是直接把整张图像输入模型，由 AI 判断哪些区域值得关注，并据此给出预测结果。
同时，模型还能输出基因突变的 「空间分布图」，展示同一肿瘤内部不同区域的突变差异，帮助医生在观察切片时，快速识别突变高发区域，提高观察效率、辅助决策判断。
当然，不同患者的病理样本形态各异，可能来自术后切除，也可能是穿刺活检，甚至存在一定质量差异。DeepGEM 在设计之初，就考虑了这些实际情况，只要是常规病理切片，DeepGEM 都能处理，适配性强、落地门槛低。
目前，在多组数据测试中，DeepGEM 大模型的预测准确率达 78%–99%，已经可以媲美传统的基因检测方法。也就是说，当检测周期太长、样本不足，或者患者等不起时，可以通过 DeepGEM 大模型快速给出参考结果，帮医生尽快做出决策。
IT 之家从腾讯公告获悉，在 DeepGEM 大模型跑通之后，腾讯、广州医科大学第一附属医院、广州呼吸健康研究院和金域医学，正式开启下一步合作：将共建一个基于 AI 的 「病理-基因多模态大模型平台」，推动 AI 技术应用到更多部位、更多癌种的辅助诊断。
【文章来源：techweb】
IT 之家 10 月 13 日消息，腾讯今日宣布，腾讯生命科学实验室与广州医科大学第一附属医院、广州呼吸健康研究院联合研发的 DeepGEM 病理大模型，已在肺癌基因突变预测中完成大规模验证 —— 只需常规病理切片图像，1 分钟内完成肺癌基因突变预测，精准度达 78%~99%。
换句话说，这是一种不依赖基因测序、只靠病理图像就能用 AI 完成突变预测的新路径。过去动辄上万元、要等一两周才能拿到的检测结果，未来或只需几分钟，成本也有望降低数倍。
DeepGEM 的核心能力，是基于 AI 从普通病理图像中 「看出」 基因突变 ——
虽然病理切片不直观反映突变本身，但大量研究发现，肿瘤细胞的排列方式、形态特征、周围组织反应等 「形态学信号」，和某些基因突变之间存在统计学上的关联。DeepGEM 就是通过大量病理数据，在看似普通的图像中，捕捉那些 「可能意味着突变」 的细节。
模型采用多示例学习 （MIL） 架构，不需要人工提前标注肿瘤区域，而是直接把整张图像输入模型，由 AI 判断哪些区域值得关注，并据此给出预测结果。
同时，模型还能输出基因突变的 「空间分布图」，展示同一肿瘤内部不同区域的突变差异，帮助医生在观察切片时，快速识别突变高发区域，提高观察效率、辅助决策判断。
当然，不同患者的病理样本形态各异，可能来自术后切除，也可能是穿刺活检，甚至存在一定质量差异。DeepGEM 在设计之初，就考虑了这些实际情况，只要是常规病理切片，DeepGEM 都能处理，适配性强、落地门槛低。
目前，在多组数据测试中，DeepGEM 大模型的预测准确率达 78%–99%，已经可以媲美传统的基因检测方法。也就是说，当检测周期太长、样本不足，或者患者等不起时，可以通过 DeepGEM 大模型快速给出参考结果，帮医生尽快做出决策。
IT 之家从腾讯公告获悉，在 DeepGEM 大模型跑通之后，腾讯、广州医科大学第一附属医院、广州呼吸健康研究院和金域医学，正式开启下一步合作：将共建一个基于 AI 的 「病理-基因多模态大模型平台」，推动 AI 技术应用到更多部位、更多癌种的辅助诊断。
【文章来源：techweb】
IT 之家 10 月 13 日消息，腾讯今日宣布，腾讯生命科学实验室与广州医科大学第一附属医院、广州呼吸健康研究院联合研发的 DeepGEM 病理大模型，已在肺癌基因突变预测中完成大规模验证 —— 只需常规病理切片图像，1 分钟内完成肺癌基因突变预测，精准度达 78%~99%。
换句话说，这是一种不依赖基因测序、只靠病理图像就能用 AI 完成突变预测的新路径。过去动辄上万元、要等一两周才能拿到的检测结果，未来或只需几分钟，成本也有望降低数倍。
DeepGEM 的核心能力，是基于 AI 从普通病理图像中 「看出」 基因突变 ——
虽然病理切片不直观反映突变本身，但大量研究发现，肿瘤细胞的排列方式、形态特征、周围组织反应等 「形态学信号」，和某些基因突变之间存在统计学上的关联。DeepGEM 就是通过大量病理数据，在看似普通的图像中，捕捉那些 「可能意味着突变」 的细节。
模型采用多示例学习 （MIL） 架构，不需要人工提前标注肿瘤区域，而是直接把整张图像输入模型，由 AI 判断哪些区域值得关注，并据此给出预测结果。
同时，模型还能输出基因突变的 「空间分布图」，展示同一肿瘤内部不同区域的突变差异，帮助医生在观察切片时，快速识别突变高发区域，提高观察效率、辅助决策判断。
当然，不同患者的病理样本形态各异，可能来自术后切除，也可能是穿刺活检，甚至存在一定质量差异。DeepGEM 在设计之初，就考虑了这些实际情况，只要是常规病理切片，DeepGEM 都能处理，适配性强、落地门槛低。
目前，在多组数据测试中，DeepGEM 大模型的预测准确率达 78%–99%，已经可以媲美传统的基因检测方法。也就是说，当检测周期太长、样本不足，或者患者等不起时，可以通过 DeepGEM 大模型快速给出参考结果，帮医生尽快做出决策。
IT 之家从腾讯公告获悉，在 DeepGEM 大模型跑通之后，腾讯、广州医科大学第一附属医院、广州呼吸健康研究院和金域医学，正式开启下一步合作：将共建一个基于 AI 的 「病理-基因多模态大模型平台」，推动 AI 技术应用到更多部位、更多癌种的辅助诊断。