智车科技
1天前
2025年12月9日，微软联合华盛顿大学、普罗维登斯医疗机构在《Cell》发表的重磅研究，用一款名为GigaTIME的多模态AI模型，将常规的HE切片（成本 5-10 美元），变成数千美元的多重免疫荧光检测。
同时GigaTIME开源开放，为病理AI研发、临床检测产品转化提供了全新技术底座。
/01/癌症诊断 “两难困境”：
常规检查 “信息量不够”，高端检查 “用不起”
肿瘤免疫微环境（TIME）是决定癌症进展、转移及治疗响应的关键因素，其构成复杂，包含癌细胞、免疫细胞、成纤维细胞等多种细胞及相关蛋白质。
要深入解析这一微环境，就需要精准捕捉多种蛋白质的激活状态与空间分布——这是判断肿瘤是否逃避免疫攻击、患者是否适合免疫治疗的核心依据。
当前已有技术可以实现这一目标——多重免疫荧光（mIF）检测。它可同时分析21种关键蛋白质的活动情况，完整呈现肿瘤微环境的“全景图”，为科研和临床决策提供丰富依据。
但mIF检测的局限性十分突出：试剂、专用设备及数据处理的成本极高，且操作流程繁琐、耗时较长，导致其难以在临床中大规模应用，仅能用于小范围科研项目。
与之形成对比的是苏木精-伊红（HE）染色切片检测。作为临床常规检测手段，HE切片成本低、操作简便，癌症患者几乎都会接受这项检查，其核心作用是呈现细胞形态与组织架构，为初步诊断提供依据。
但HE切片无法反映蛋白质的激活状态，对于解析肿瘤免疫微环境、指导精准治疗而言，信息量严重不足。
这种“常规检测普及但信息有限，高端检测精准但价格高昂”的矛盾，长期制约着癌症精准医疗的推进。如何让低成本的常规检测具备高端检测的分析能力，成为行业亟待解决的关键问题。
/02/GigaTIME=AI “翻译官”
GigaTIME的本质是一款专注于病理切片分析的跨模态AI转换模型，其核心功能是将HE切片包含的细胞形态信息，精准转换为mIF切片特有的蛋白质激活与空间分布信息。
GigaTIME这一能力的实现，源于庞大的“训练数据库”的支撑与先进算法的训练。
研究团队收集了4000万个细胞的配对样本，每个样本均同时具备HE切片图像与对应的mIF切片图像。
通过对这些配对数据的深度学习，AI逐渐掌握了细胞形态特征与蛋白质激活状态之间的潜在关联——比如某种细胞的形态变化，对应着特定免疫蛋白的激活或抑制。
经过系统训练后，GigaTIME具备了高效的转换能力：
输入一张常规HE切片，模型可在短时间内生成对应的“虚拟mIF切片”，精准还原21种关键蛋白质的激活强度、分布位置等核心信息。
/03/大规模虚拟人群研究：解锁1234个癌症关键关联
借助GigaTIME的高效转换能力，研究团队开展了迄今为止规模最大的肿瘤免疫微环境研究。
他们收集了来自美国7个州、51家医院的14256名癌症患者的HE切片，成功生成29.9万多张虚拟mIF切片，覆盖24种癌症类型及306个亚型，构建出全球首个大规模“虚拟mIF研究人群”。
基于这一庞大的虚拟人群，研究团队发现了1234个具有统计学显著性的新关联，揭示了蛋白质表达与临床生物标志物（如TMB、PD-L1）、分期和生存情况的深层联系，并且其中多个发现直接指导临床检测与治疗决策。
比如KMT2D基因突变与CD3、CD8等免疫细胞标志物的激活呈正相关，提示携带该突变的患者可能对免疫治疗更敏感；而KRAS基因突变则与免疫细胞浸润减少相关，解释了这类患者往往免疫治疗响应不佳的原因。
为验证研究结果的可靠性，团队还利用癌症基因组图谱（TCGA）的10200名患者数据进行独立验证。
结果显示，两组人群的核心蛋白质激活模式相关系数达0.88，且80个关键关联在两组数据中均显著存在，充分证明了研究发现的通用性与稳定性。
/04/临床转化价值：让精准医疗惠及更多患者
这项研究的核心价值，在于将高端科研技术转化为可普及的临床工具，为患者带来实实在在的获益：
1、降低精准医疗门槛
目前GigaTIME已在GitHub、Hugging Face等平台开放，开发者可基于这一框架优化医疗设备算法，降低免疫检测设备的研发成本。
未来，患者无需承担昂贵的mIF检测费用，仅凭常规HE切片，即可通过AI获得全面的肿瘤免疫微环境分析，明确自身肿瘤的免疫特征、适合的治疗方案及预后风险，让精准医疗不再局限于少数能承担高端检测的患者。
2、优化临床治疗决策
GigaTIME生成的虚拟mIF数据，可帮助医生快速实现患者分层：识别出对免疫治疗敏感的人群、需要联合治疗的高危人群，以及预后较好的低危人群，避免“一刀切”的治疗模式，减少无效治疗带来的医疗资源浪费与患者痛苦。
3、助力罕见癌症研究
罕见癌症因病例稀少、研究成本高，长期缺乏针对性治疗方案。GigaTIME构建的大规模虚拟人群，涵盖了众多罕见癌症亚型，可快速挖掘这些小众疾病的独特免疫特征，为针对性药物研发与治疗方案制定提供数据支撑。
值得注意的是，研究仍存在一定局限性：
◆当前患者群体主要来自美国部分地区，地理与种族多样性不足；
◆模型目前可识别21种蛋白质，部分细胞质、细胞膜蛋白质的转换精度仍有提升空间。
随着AI技术与医疗数据的深度融合，未来将有更多常规检测实现“价值升级”，推动癌症研究从“小样本探索”走向“大规模精准分析”。
这一变革不仅能加速抗癌新知的发现，更能让精准医疗真正落地临床，最终推动癌症治疗从“对症治疗”向“对因治疗”的根本性转变。
「参考文献」
Valanarasu JMJ, Xu H, Usuyama N, et al. Multimodal AI generates virtual population for tumor microenvironment modeling. Cell. Published online December 9, 2025.
2025年12月9日，微软联合华盛顿大学、普罗维登斯医疗机构在《Cell》发表的重磅研究，用一款名为GigaTIME的多模态AI模型，将常规的HE切片（成本 5-10 美元），变成数千美元的多重免疫荧光检测。
同时GigaTIME开源开放，为病理AI研发、临床检测产品转化提供了全新技术底座。
/01/癌症诊断 “两难困境”：
常规检查 “信息量不够”，高端检查 “用不起”
肿瘤免疫微环境（TIME）是决定癌症进展、转移及治疗响应的关键因素，其构成复杂，包含癌细胞、免疫细胞、成纤维细胞等多种细胞及相关蛋白质。
要深入解析这一微环境，就需要精准捕捉多种蛋白质的激活状态与空间分布——这是判断肿瘤是否逃避免疫攻击、患者是否适合免疫治疗的核心依据。
当前已有技术可以实现这一目标——多重免疫荧光（mIF）检测。它可同时分析21种关键蛋白质的活动情况，完整呈现肿瘤微环境的“全景图”，为科研和临床决策提供丰富依据。
但mIF检测的局限性十分突出：试剂、专用设备及数据处理的成本极高，且操作流程繁琐、耗时较长，导致其难以在临床中大规模应用，仅能用于小范围科研项目。
与之形成对比的是苏木精-伊红（HE）染色切片检测。作为临床常规检测手段，HE切片成本低、操作简便，癌症患者几乎都会接受这项检查，其核心作用是呈现细胞形态与组织架构，为初步诊断提供依据。
但HE切片无法反映蛋白质的激活状态，对于解析肿瘤免疫微环境、指导精准治疗而言，信息量严重不足。
这种“常规检测普及但信息有限，高端检测精准但价格高昂”的矛盾，长期制约着癌症精准医疗的推进。如何让低成本的常规检测具备高端检测的分析能力，成为行业亟待解决的关键问题。
/02/GigaTIME=AI “翻译官”
GigaTIME的本质是一款专注于病理切片分析的跨模态AI转换模型，其核心功能是将HE切片包含的细胞形态信息，精准转换为mIF切片特有的蛋白质激活与空间分布信息。
GigaTIME这一能力的实现，源于庞大的“训练数据库”的支撑与先进算法的训练。
研究团队收集了4000万个细胞的配对样本，每个样本均同时具备HE切片图像与对应的mIF切片图像。
通过对这些配对数据的深度学习，AI逐渐掌握了细胞形态特征与蛋白质激活状态之间的潜在关联——比如某种细胞的形态变化，对应着特定免疫蛋白的激活或抑制。
经过系统训练后，GigaTIME具备了高效的转换能力：
输入一张常规HE切片，模型可在短时间内生成对应的“虚拟mIF切片”，精准还原21种关键蛋白质的激活强度、分布位置等核心信息。
/03/大规模虚拟人群研究：解锁1234个癌症关键关联
借助GigaTIME的高效转换能力，研究团队开展了迄今为止规模最大的肿瘤免疫微环境研究。
他们收集了来自美国7个州、51家医院的14256名癌症患者的HE切片，成功生成29.9万多张虚拟mIF切片，覆盖24种癌症类型及306个亚型，构建出全球首个大规模“虚拟mIF研究人群”。
基于这一庞大的虚拟人群，研究团队发现了1234个具有统计学显著性的新关联，揭示了蛋白质表达与临床生物标志物（如TMB、PD-L1）、分期和生存情况的深层联系，并且其中多个发现直接指导临床检测与治疗决策。
比如KMT2D基因突变与CD3、CD8等免疫细胞标志物的激活呈正相关，提示携带该突变的患者可能对免疫治疗更敏感；而KRAS基因突变则与免疫细胞浸润减少相关，解释了这类患者往往免疫治疗响应不佳的原因。
为验证研究结果的可靠性，团队还利用癌症基因组图谱（TCGA）的10200名患者数据进行独立验证。
结果显示，两组人群的核心蛋白质激活模式相关系数达0.88，且80个关键关联在两组数据中均显著存在，充分证明了研究发现的通用性与稳定性。
/04/临床转化价值：让精准医疗惠及更多患者
这项研究的核心价值，在于将高端科研技术转化为可普及的临床工具，为患者带来实实在在的获益：
1、降低精准医疗门槛
目前GigaTIME已在GitHub、Hugging Face等平台开放，开发者可基于这一框架优化医疗设备算法，降低免疫检测设备的研发成本。
未来，患者无需承担昂贵的mIF检测费用，仅凭常规HE切片，即可通过AI获得全面的肿瘤免疫微环境分析，明确自身肿瘤的免疫特征、适合的治疗方案及预后风险，让精准医疗不再局限于少数能承担高端检测的患者。
2、优化临床治疗决策
GigaTIME生成的虚拟mIF数据，可帮助医生快速实现患者分层：识别出对免疫治疗敏感的人群、需要联合治疗的高危人群，以及预后较好的低危人群，避免“一刀切”的治疗模式，减少无效治疗带来的医疗资源浪费与患者痛苦。
3、助力罕见癌症研究
罕见癌症因病例稀少、研究成本高，长期缺乏针对性治疗方案。GigaTIME构建的大规模虚拟人群，涵盖了众多罕见癌症亚型，可快速挖掘这些小众疾病的独特免疫特征，为针对性药物研发与治疗方案制定提供数据支撑。
值得注意的是，研究仍存在一定局限性：
◆当前患者群体主要来自美国部分地区，地理与种族多样性不足；
◆模型目前可识别21种蛋白质，部分细胞质、细胞膜蛋白质的转换精度仍有提升空间。
随着AI技术与医疗数据的深度融合，未来将有更多常规检测实现“价值升级”，推动癌症研究从“小样本探索”走向“大规模精准分析”。
这一变革不仅能加速抗癌新知的发现，更能让精准医疗真正落地临床，最终推动癌症治疗从“对症治疗”向“对因治疗”的根本性转变。
「参考文献」
Valanarasu JMJ, Xu H, Usuyama N, et al. Multimodal AI generates virtual population for tumor microenvironment modeling. Cell. Published online December 9, 2025.
