Un estudio publicado el 12 de octubre en npj Imaging por investigadores de la Universidad de Ottawa presenta SlideFiLM, un método diseñado para segmentar láminas de patología de escala gigapíxel con menos etiquetas a nivel de píxel. El sistema transmite el contexto de toda la lámina al procesamiento de cada fragmento de imagen mediante una capa de modulación compartida. Los autores lo evaluaron con glomérulos en láminas renales teñidas con PAS y lesiones de placas ateroscleróticas en cortes de raíz aórtica de ratón.

En las tablas suplementarias publicadas, utilizar el 20 % de los datos de entrenamiento etiquetados produjo puntuaciones Dice a escala de lámina del 87,19 % en el conjunto renal KPIs y del 86,48 % en el conjunto vascular MARA; los resultados comparados de HookNet fueron 75,36 % y 79,52 %, respectivamente. Los resultados se limitan a estos conjuntos de referencia y al entrenamiento descrito; el método no se presenta como un sistema de diagnóstico validado en flujos clínicos u hospitales independientes. La revista identifica el artículo como una versión temprana aceptada.