Para peneliti menyajikan ALICE, sebuah model fondasi terpadu untuk patologi komputasional yang dilatih melalui distilasi agregatif bertahap. Model ini secara berurutan mengonsolidasikan kemampuan dari delapan model guru khusus menjadi satu backbone.
- Dilatih pada 24.985.184 gambar patologi tingkat ubin dan 155.604 gambar resolusi tinggi.
- Dievaluasi di seluruh 21 skenario tugas, 96 tugas turunan, dan 48 sumber data.
- Mencapai peringkat rata-rata terbaik di antara model fondasi patologi yang cocok dengan tugas dalam semua tiga pengaturan evaluasi.
Hasil-hasil tersebut menunjukkan bahwa distilasi agregatif dapat mengonsolidasikan kemampuan pelengkap dari model-model khusus menjadi backbone terpadu untuk aplikasi patologi komputasional yang luas.