论文题目：

In-context learning enables multimodal large language models to classify cancer pathology images

今天介绍一篇发表于Nature Communications的文章，作者评估了Generative Pretrained Transformer 4 with Vision capabilities（GPT-4V）框架在医学图像分类中的应用。该框架通过采用“上下文学习”方法，在数据稀缺的情况下，仅通过少量样本便能实现高效分类，且无需对模型进行复杂微调。实验表明，GPT-4V在组织类型分类、息肉亚型划分和乳腺癌淋巴结切片检测等任务中表现出色，并在某些任务中超过了专门为这些任务训练的深度学习模型，展示了其作为通用模型在医学图像分析中的巨大潜力。

一、研究背景

随着人工智能（Artificial Intelligence，AI）在医疗领域的应用不断扩展，AI的潜力巨大，但也面临在医学中需要极高的准确性和可靠性的挑战。医学影像学，尤其是组织病理学在癌症诊断中具有关键作用，因此其为AI研究的重要方向。近年来，AI在病理图像分析中的癌症亚型检测和基因变异标志物的发现方面取得了重要进展。然而，当前用于医学图像分类的深度学习模型通常需要大量领域特定的标注数据，并且在应用之前需要进行额外的微调，这一过程计算密集且时间成本高，限制了其广泛应用和规模化开发。

“上下文学习”（In-Context Learning，ICL）作为自然语言处理（Natural Language Processing，NLP）中的一种新兴方法，为这一问题提供了解决方案。上下文学习允许模型通过少量的示例进行学习，避免了传统方法中需要大量标注数据的困境。然而，这一方法在医学图像分析中的应用尚未得到充分探讨。尽管在非医学领域，图像上下文学习已经取得了一些成功，但医学领域尤其是病理学中，由于标注数据匮乏，使用该方法的潜力尚未被充分发掘。

二、模型与方法

在此背景下，作者提出了基于“上下文学习”的Generative Pretrained Transformer 4 with Vision capabilities（GPT-4V）框架，并评估了其在三项重要癌症病理任务中的表现。

GPT-4V的核心在于基于提示（prompting）的小样本图像上下文学习（few-shot in-context learning）。首先，作者设计了系统提示（定义模型行为的指令）和用户提示（输入命令或查询），用于引导GPT-4V模型在医学图像分类中的推理过程。在zero-shot设置中，模型通过列举所有可能的标签并进行逐步推理来进行分类。为了避免模型在处理医学数据时的局限性，作者将测试案例呈现为假设场景，并调整了模型对期望和不期望的反应进行指导。对于few-shot设置，作者使用了随机选择的图像进行训练，每个标签对应多个示例图像，以帮助模型通过比较训练图像与目标图像进行分类。

在每次推理测试中，模型根据提供的少量图像（1到10个示例图像）进行分类，并将每张图像的标签与该图像相匹配。作者还使用了kNN采样方法，根据图像与目标图像的相似性选择示例图像，进一步提高了分类的准确性。所有测试数据集的图像都严格按照此流程进行处理，并且确保了在训练和测试过程中避免了样本泄露，从而减少了过拟合的风险。这一方法有效地结合了小样本学习和图像推理，展示了在医学图像分类任务中的强大潜力。

三、数据处理

在本研究中，作者使用了多个公开的组织病理学图像数据集进行基准实验。CRC-VAL-HE-7K19数据集包含7180个来自50个结直肠癌患者的组织图像块。PatchCamelyon（PCam）数据集包含327,680个H&E染色的组织图像块，来自人类前哨淋巴结的切片，图像已标注为是否含有乳腺癌转移组织。MHIST数据集包含3152个H&E染色的结肠息肉组织图像，来自Dartmouth–Hitchcock医疗中心，用于区分坐式锯齿状腺瘤（SSA）和增生性息肉（HP）。这些数据集为不同的分类任务提供了丰富的医学图像数据。

为了进行GPT-4V推理测试，作者随机选择了MHIST、PatchCamelyon和CRC100K数据集的测试集，其中MHIST和PatchCamelyon各包含60个样本，CRC100K包含120个样本，且每个标签的样本数均衡。在MHIST数据集中，作者仅使用了专家一致同意的SSA和HP图像，以确保测试数据的标注一致性。

四、结果与分析

1. 使用医学图像进行上下文学习可以提高组织病理学的分类准确性

在本研究中，作者验证了小样本提示（few-shot prompting）对基础视觉模型性能的提升效果。首先，在CRC100K数据集上进行的肿瘤（TUM）和非肿瘤正常粘膜（NORM）组织之间的二元分类任务中，模型在没有任何上下文学习的zero-shot设置下仅达到61.7%的准确率，略高于随机猜测。随着小样本数量的增加，分类准确率明显提高，如图1（A）。具体来说，在three-shot设置中，准确率提升至66.7%，在five-shot设置时达到78.3%，当每类样本增加至10张时，准确率达到了90%。这些结果表明，上下文学习显著改善了模型的分类能力，特别是在数据样本有限的情况下。

进一步的消融研究中，作者比较了在MHIST和PCAM数据集上的随机采样与基于kNN的采样策略。结果显示，随机采样能够提升一定分类准确率，而kNN采样则可以进一步提高准确率，尤其是在处理“增生性息肉上无蒂锯齿状腺瘤的检测”以及“乳腺癌症淋巴结转移与无瘤淋巴组织的比较”时，准确率分别达到了83.4%和88.3%，如图1（B）。这些实验表明，通过基于图像相似性的采样策略，可以进一步优化上下文学习模型的性能，尤其在医学图像分类任务中，提升了模型的准确性和鲁棒性。

图1 评估ICL对组织病理学的分类准确性的影响

2. GPT-4V可以实现与经过训练的图像分类模型相当的性能

在本研究中，作者将基于上下文学习的模型（GPT-4V）与传统的、经过训练的图像分类模型进行了比较，特别是与ImageNet权重初始化并微调的专门图像分类器进行对比。作者首先在MHIST和PatchCamelyon数据集上评估了ten-shot上下文学习的效果。实验结果表明，GPT-4V通过上下文学习的方式，不仅能够达到与专门训练的图像分类模型相当的效果，甚至在某些任务中表现优于这些模型。例如，GPT-4V在MHIST数据集上的分类准确率为83.3%，在PatchCamelyon数据集上的准确率为88.3%，分别比第二名模型Tiny-ViT高出3.3%和6.6%，如图2（A）。值得注意的是，在PatchCamelyon数据集上，three-shot和five-shot采样的结果也足以超越所有其他模型。

进一步的对比显示，即便是那些经过完整训练数据集（如CRC100K）训练的模型，GPT-4V的上下文学习仍然能够接近其性能。在与当前病理图像分类领域的标准模型（如Phikon和UNI模型）对比时，GPT-4V在上下文学习的帮助下显著缩小了与这些模型的性能差距。例如，在MHIST数据集中，GPT-4V通过上下文学习将性能差距从36.6%（zero-shot设置）缩小至10%。此外，GPT-4V在某些目标任务上的zero-shot性能也显示了其出色的能力，例如，在PatchCamelyon数据集中，GPT-4V能够正确识别所有肿瘤图块，尽管其假阳性率较高（80%），如图2（B）。随着少量样本的增加，模型的表现得到了显著提升，PatchCamelyon数据集中的正常淋巴结组织的识别准确率从three-shot采样的67%提升至ten-shot采样的80%，而在MHIST数据集中，过度增生的息肉的识别准确率也从30%提升至接近90%。这些改进并未影响模型在检测肿瘤和增生性息肉方面的准确性，如图2（C）。

综上所述，基于上下文学习的GPT-4V模型在显微图像分类中能够达到与专门微调的图像分类模型相媲美的准确度，证明了这一方法在医学图像分析中的巨大潜力。

图2 GPT-4V与经过训练的图像分类模型比较

3. 上下文学习缩小了通用模型和组织病理学基础模型之间的性能差距

作者使用CRC100K数据集对GPT-4V进行了测试，该数据集较为复杂，包含更多种类的标签。随着图像样本数量的增加，GPT-4V的性能显著提升，但未能达到在其他数据集（如PatchCamelyon或MHIST）上的表现。尽管如此，GPT-4V与完全在所有数据上训练的模型（如ResNet-15、ResNet-18、ViT-Tiny和ViT-Small）之间的性能差距明显缩小，特别是在与Phikon和UNI模型的比较中。GPT-4V在肿瘤和肌肉组织识别上表现优秀，分别达到了80%和100%的召回率，但在识别碎片（DEB）、脂肪组织（ADI）、淋巴细胞（LYM）、粘液（MUC）和肿瘤相关基质（STR）时表现较差。随着样本数量的增加，几乎所有标签的分类性能均表现出持续的提升，证明了小样本学习在多标签分类任务中的潜力。

图3 基于CRC100K数据集的基于kNN采样的GPT-4V性能分析

4. 图像上下文学习改进了基于文本的推理

在本研究中，作者进一步探讨了小样本图像采样对文本推理的影响。通过使用GPT-4V生成文本嵌入，并结合t-SNE方法分析模型推理的语义空间，作者发现模型输出的文本嵌入在不同答案之间形成了明显的聚类，如图4（A）所示。然而，在zero-shot设置下，文本嵌入与真实标签的比较表明，模型的内在推理与正确标签的对应关系较差。

与此相反，当采用小样本学习技术时，模型的文本嵌入能够更好地区分不同的答案和标签，形成了更多明显的聚类，并且数据点与其对应的真实标签对齐更加准确。这一改进体现在更多的聚类形成和更高的轮廓系数上，表明随着提供给模型的示例图像数量增加，数据点与正确标签的接近度得到了提升。这些结果表明，小样本学习技术能够增强模型分析和理解图像的能力，从而提高其决策过程的准确性。

图4 小样本学习可以改进基于文本的推理

四、总结

本文评估了一种基于上下文学习的通用框架GPT-4V，展示了如何在医学图像分类任务中有效地应用视觉语言模型（VLM）。作者使用GPT-4V模型进行相关实验，表明通过小样本学习，GPT-4V在多标签的医学显微图像分类任务中表现出色，能够接近传统深度学习模型的性能，显著缩小了通用模型与特定领域病理学模型（如Phikon和UNI）的性能差距。实验结果表明，使用五到十张示例图像，GPT-4V能够实现接近当前标准模型的分类准确率。此外，本文还探讨了文本与图像结合的优势，提升了模型的可解释性，解决了传统图像分类模型的局限性。尽管存在一些限制，如样本量较小和某些类别的性能不理想，但作者的研究为未来开发更高效、更普适的医学图像分类方法奠定了基础，展示了基于上下文学习的视觉语言模型在医学图像分类任务中的巨大潜力。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】