病理学基础模型通常在海量的全切片图像（WSI）衍生补丁流上进行预训练，而数据构建阶段的监督信号往往停留在切片层面、稀疏或异质。这种不匹配使得研究者难以理解和控制究竟有哪些生物学模式进入了预训练数据。针对这一问题，由Mingyi He等十位作者完成的论文《SlideCheck: Guiding Self-Supervised Pretraining of Pathology Foundation Models via Dataset Distributions》提出了一种名为SlideCheck的轻量级预训练数据引导工具，该论文于2026年5月28日提交至arXiv，编号为2606.07590，属于计算机视觉与模式识别（cs.CV）领域，并交叉涉及人工智能（cs.AI）。
SlideCheck构建在冻结的病理学基础模型补丁特征之上，其定位并非一个独立的补丁诊断模型，而是为组织、筛选和审计病理预训练数据提供明确的异常与恶性评分。具体而言，SlideCheck采用双头MLP分别建模广泛的异常形态与恶性证据，从而将“异常”和“恶性”两个维度解耦。此外，一个经过正则化的特征空间评分器为补丁级证据估计提供监督锚点，而评分-注意力一致性机制则将补丁评分与WSI级别的多实例学习（MIL）注意力相结合，用于挖掘高置信度的伪标签。
在获得上述评分后，研究团队利用同一套分数构建广阳性ViT预训练子集：只要某个补丁的异常证据或恶性证据中任一项超过阈值，该补丁就会被选入子集。实验表明，由SlideCheck定义的数据分布会影响自监督ViT预训练的下游行为，这说明生物组成是病理学基础模型开发中一个重要的可控因素。更值得关注的是，经过筛选的子集能够接近使用全量数据时的性能，这提示显式评分的补丁池有望支撑更高效、更可审计的预训练数据构建流程。
这些发现将SlideCheck定位为一种数据引导与审计层，能够把庞大而缺乏区分的补丁池转化为可控、可复用的预训练数据集。该工作共9页，包含2幅图和4张表，为病理学基础模型的数据治理提供了新的思路。