Foundation model
一句話：一個大模型在大量資料上做 self-supervised pretraining，學到通用表徵；之後各應用只用它的 embedding（或 fine-tune）去做 downstream task。ChatGPT 是 language 的 foundation model；pathology 有 pathology-specific 的。
Pathology foundation model 清單（2026）：
| 模型 | 開發團隊 | 資料量 | 特色 |
|---|---|---|---|
| PLIP | Stanford | 208k | 早期開源，概念驗證 |
| UNI | Mahmood Lab, Harvard | 100M tiles | 2024 benchmark king |
| GigaPath | Microsoft | 171k WSIs, 4B tiles | 最大規模 |
| CONCH | Harvard | 1.8M pairs | multi-modal (text+image) |
| Prov-GigaPath | 更新版 | 以上都包 | 持續迭代 |
為什麼你讀 2026 AACR 要懷疑 benchmark：
- TCGA leakage 陷阱：UNI / GigaPath 的 pretrain corpus 含 TCGA → 任何用 TCGA test 的 downstream benchmark 都 inflated
- Out-of-distribution 評估：foundation model 在同 distribution 測試爆表，但遇到新掃描儀 / 新染色條件 / 新醫院時 drop
- Clinical utility ≠ benchmark score：AUROC 0.92 跟 AUROC 0.89 在 foundation model 的世界差距很小，但對臨床實作差別可能很大
2026 結論：UNI 幾乎吃下整個 downstream 生態，但邊界仍未被真正驗證。你若做 urology pathology AI 需要先 replicate vendor-level concordance 測試，而不是用 TCGA 跟自己 repeat。
See in wiki
- 05-ai-workflow — Pathology foundation model 章節
- 18-bioinformatics-ml-single-cell
- agentic-ai