这项研究介绍了一种名为 HEX 的创新深度学习模型,它能够仅通过常规的 H&E 染色切片生成高保然的“虚拟”空间蛋白质组学图像。传统的空间生物学检测因其高昂的成本和技术复杂性,往往难以在临床中大规模开展。HEX 结合了多模态特征融合技术,通过模拟 CODEX 成像,实现了对肿瘤微环境中多种生物标志物空间分布的精准预测。实验证明,该技术在预测非小细胞肺癌患者的预后以及免疫治疗反应方面,显著优于现有的 PD-L1 等标准临床指标。这种方法为精准医疗提供了一个低成本且具备高度可扩展性的数字化方案,有助于在临床实践中更深入地理解疾病的生物学特征。
References:
* Li Z, Li Y, Xiang J, et al. AI-enabled virtual spatial proteomics from histopathology for interpretable biomarker...去小宇宙查看完整单集简介
前往小宇宙评论区与主播互动
References:
* Li Z, Li Y, Xiang J, et al. AI-enabled virtual spatial proteomics from histopathology for interpretable biomarker...去小宇宙查看完整单集简介
前往小宇宙评论区与主播互动
Fler avsnitt av 聊聊Sci
Visa alla avsnitt av 聊聊Sci聊聊Sci med 淼淼Elva finns tillgänglig på flera plattformar. Informationen på denna sida kommer från offentliga podd-flöden.
