Cell子刊：俞章盛/王宇光/孙晶团队开发AI模型，通过肿瘤微环境分析改善癌症生存预后

上海交通大学生命科学技术学院、医学院临床研究中心俞章盛团队、上海交通大学自然科学研究院、数学科学学院王宇光团队及上海交通大学医学院附属瑞金医院孙晶团队合作，在 Cell 子刊 Cell Reports Medicine 上发表了题为：Harnessing TME depicted by histological images to improve cancer prognosis through a deep learning system 的研究论文。

该研究开发了第一个集成图像与深度学习的人工智能模型——IGI-DL模型，可以通过组织病理学图像，为没有空间转录组数据的癌症患者预测肿瘤微环境信息，从而实现精确的癌症预后，大幅度地拓展了基因空间表达信息在大型生物医学病理图像公共数据库的使用。

IGI模型在结直肠癌样本中的基因空间表达预测性能和可视化

进一步，应用IGI-DL模型通过组织病理学图像推断基因的空间表达，构建Super-patch graph，进行癌症患者的生存预后。研究结果表明使用IGI-DL预测的基因空间表达作为Super-patch graph中的节点特征可以提高生存预后模型在TCGA数据集乳腺癌和结直肠癌队列中的性能表现，五折交叉验证C-index为0.747和0.725，优于其他生存预后模型。该生存预后模型对于早期患者（I期和II期）的预后预测同样保持精度优势，预测得到的风险评分可以作为所有阶段患者和早期患者的独立预后指标。在包含一千多名患者数据的外部测试集MCO-CRC中，生存预后模型保持稳定的优势，具有泛化能力。 

生存预后模型在内部和外部测试集上的性能表现 

上海交通大学博士研究生高瑞恬为论文第一作者，上海交通大学俞章盛教授、王宇光教授及医学院附属瑞金医院孙晶教授为共同通讯作者。该研究受到国家自然科学基金、上海市科学技术委员会基金、上海交通大学“医工交叉研究基金”等项目资助。同时感谢上海交通大学网络信息中心提供的超算平台支持。