《自然·生物技术》：9分钟区分癌组织与正常组织的AI工具诞生了！

仅需9分钟，即可帮助医生由病理图像洞察到肿瘤细胞的存在。

这便是宾夕法尼亚大学佩雷尔曼医学院的李明耀和Daiwei Zhang等人开发的新型人工智能工具iSTAR。

空间转录组学是一种新兴的生物学技术，能够同时分析成千上万个基因在组织或细胞中的表达情况，并且保持其原有的空间位置信息。空间转录组学允许科学家们基于组织切片就能从单细胞水平分析负责的病理组织，捕获组织中肿瘤细胞与其它细胞的空间分布和相互作用。

李明耀等人开发的iSTAR通过结合空间转录组学（ST）数据和高分辨率组织学图像，提供前所未有的超高分辨率和超快速度来分析组织切片和提供注释，识别肿瘤组织，确定肿瘤切除手术时是否达到安全距离，并为免疫治疗提供指导。

论文于近日发表在《自然·生物技术》期刊上。

论文首页截图

研究表明，基因表达模式与组织学图像特征之间存在相关性，这暗示从组织学图像可以预测基因表达。尽管存在这种相关性，但现有方法无法充分从高分辨率组织学图像提取到丰富细胞信息。

临床上，病理学家在检查组织样本时，通常会从宏观开始，识别整体的组织结构，然后逐渐深入到更细微的细节，如细胞层面的特征。而研究者们开发的iSTAR模型则反其道而行。

研究者们采用一种名为分层视觉变换器（H-ViT）的先进机器学习工具，在公开可用的空间转录组学数据和组织学图像数据集上进行训练，得到人工智能平台iSTAR。

阅片时，iSTAR首先在16×16像素的尺度上提取组织学特征，捕捉局部细节；接着扩大视野范围，在256×256像素的尺度上提取组织学特征，以捕获全局组织结构。iSTAR分析这些特征，以接近单细胞水平的分辨率预测组织的基因表达模式并进行注释。

iSTAR设计原理以及细胞类型注释等性能

研究者们在乳腺癌、前列腺癌、肾癌和结直肠癌等不同类型的癌症组织和健康组织中评估iStar的性能。结果显示，iSTAR能够准确识别出肿瘤组织以及肿瘤细胞，判断肿瘤切除手术是否达到安全距离，并揭示肿瘤异质性。

此外，iSTAR能够预测到三级淋巴结构（TLS）。

三级淋巴结构是由B细胞、T细胞、树突状细胞等免疫细胞在非淋巴组织中形成的高度组织化结构，通常存在于实体瘤和炎症部位。TLS的存在已被证明与患者积极的临床结果和对免疫治疗的良好响应相关。也就是说，iSTAR可能有助于识别能够从免疫治疗中获益的癌症患者。

iSTAR标注三级淋巴结构

研究者们还将iSTAR与当前同类型的AI工具XFuse进行对比。与iSTAR原理相同，XFuse同样基于空间转录组学和组织学图像数据开发，于4年前由瑞典皇家理工学院开发[3]。

结果显示，iSTAR不仅准确性更高，而且速度更快。使用乳腺癌数据集进行分析时，XFuse需要1969分钟，而iSTAR仅需9分钟，比XFuse快了213倍。

李明耀表示，iStar能够处理大量样本，这对于大规模的生物医学研究至关重要。研究者们接下来打算将他们的研究成果和iStar的应用扩展到生物样本库的构建，帮助研究人员更好地了解组织内的微环境，可能为诊断和治疗提供更多的便利。