该项目旨在训练最大的学术基础模型，并通过在大型临床病理数据集上的预训练和下游性能评估来对最重要的自我监督学习算法进行基准测试。结果表明，DINO算法在所有测试任务中实现了更好的泛化性能，标志着计算病理学研究的一个阶段性变化，为基于大规模、并行预训练的更高性能模型开辟了新时代。

该研究探索了自我监督学习算法在疾病进展方面的应用，重点研究了纵向自我监督学习算法及神经普通微分方程的潜力，并在糖尿病视网膜病变的数据集上验证了相关算法，结果表明二者结合潜力巨大。