Une étude publiée le 12 octobre dans npj Imaging par des chercheurs de l’Université d’Ottawa présente SlideFiLM, une méthode conçue pour segmenter des lames d’histopathologie de plusieurs gigapixels avec moins d’annotations au niveau du pixel. Elle transmet le contexte de toute la lame au traitement de chaque tuile d’image au moyen d’une couche de modulation partagée. Les auteurs l’ont évaluée sur des glomérules dans des lames rénales colorées au PAS et sur des lésions de plaques athéroscléreuses dans des coupes de racine aortique de souris.

Dans les tableaux supplémentaires publiés, l’utilisation de 20 % des données d’entraînement annotées a produit des scores Dice à l’échelle de la lame de 87,19 % sur le jeu rénal KPIs et de 86,48 % sur le jeu vasculaire MARA ; les résultats comparés de HookNet étaient respectivement de 75,36 % et 79,52 %. Ces résultats se limitent à ces jeux de référence et au protocole d’entraînement décrit ; la méthode n’est pas présentée comme un outil diagnostique validé dans des parcours cliniques ou des hôpitaux indépendants. La revue signale une version précoce acceptée.