病理学检查在癌症诊断和治疗中起着关键作用。随着技术的进步，传统的光学显微镜组织切片逐渐被全切片图像（WSIs）所取代，这使得计算病理学从学术研究工具转变为临床实践中的常规工具成为可能。通过结合人工智能（AI），计算病理学利用数字化的 WSIs 来辅助诊断、表征和理解各种疾病。
最近，微软和 Paige 的研究人员开发了第二代计算病理学基础模型 ——Virchow2 和 Virchow2G。这些新模型是为了进一步提升计算病理学在临床应用中的效果。
为了验证 Virchow2 和 Virchow2G 的性能，研究团队使用了一个庞大的数据集，包含超过 310 万张全切片图像，这些图像来自 45 个国家的 225,000 名患者，涉及 40 多种组织类型。评估任务涵盖了细胞结构和形状检测、细胞分裂检测以及基因活动预测等多个方面。研究团队使用了一系列指标来衡量模型在这些任务中的准确性和效率。
结果显示，Virchow2 和 Virchow2G 在细胞结构和形状检测方面能够识别细胞的微小细节。在细胞分裂检测和基因活动预测方面，这些模型同样表现良好，尤其是在复杂特征的测量上，如细胞核的方向和形状。与其他现有模型相比，Virchow2 和 Virchow2G 在多个任务上均表现出色，进一步证明了其在计算病理学中的可靠性和应用潜力。
这些模型已经在上海市第一人民医院等多家医院进行了应用测试。在多种癌症的诊断中，特别是在胰腺癌、食管癌、肺癌、乳腺癌、肝癌、胃癌和结直肠癌等高发癌症的筛查和诊断中，显示了很高的敏感度和特异性。