CONCH 是一个基于组织病理学图像和文本的视觉语言模型，采用 MI-Zero 框架和自我监督学习方法，利用无标签数据集提升病理图像分类和癌症检测的效果。HLSS 方法结合语言信息与视觉表示，增强了可解释性。研究表明，病理数据的预训练对下游任务性能有显著提升，推动了计算病理学的发展。

文章探讨计算病理学中的基础模型与自监督学习。Virchow模型（6.32亿参数）在分类、癌症检测和生物标志物预测中表现优异；研究表明病理数据预训练优于自然图像预训练，其中DINO泛化能力最佳。CONCH视觉语言模型在多任务上取得领先性能，UNI模型具备少样本分类能力。数字病理结合AI可辅助诊断，但部分基础模型的检索性能不及传统网络。