在肿瘤精准诊疗领域，一项突破性研究正为乳腺癌的临床管理带来变革性工具。近日，一项发表于国际顶级期刊《Cell》的研究表明：一种名为“Path2Space”的人工智能模型，能够仅凭医院常规采集的H&E染色病理切片，高精度地预测肿瘤内部数千个基因的空间表达图谱。这项技术突破，使得低成本、大规模地发现指导治疗决策的空间生物标志物成为可能，有望极大推动乳腺癌乃至更多癌种的个性化治疗进程。
图形摘要
核心创新：AI解读切片深层信息
空间转录组学（ST）技术能揭示肿瘤内部不同区域的基因活动差异，是理解肿瘤异质性和微环境的关键。然而，其高昂的成本和技术复杂性严重限制了在大型临床队列中的应用。研究团队所开发的Path2Space模型，成功突破了这一瓶颈。Path2Space是一种深度学习模型。研究人员利用大量的乳腺癌空间转录组学数据进行训练，教会AI识别H&E切片中细胞形态、组织结构与深层分子表达模式之间的复杂关联。经过验证，该模型在预测基因空间表达方面的性能超越了21种现有方法。
这意味着，对于一份存档或新获取的常规病理切片，Path2Space可以“解读”出原本需要昂贵、复杂的ST检测才能获得的分子信息，相当于为每张二维切片增添了丰富的三维分子语境。
精准划分亚型，超越传统测序预测疗效
研究团队利用Path2Space，成功绘制了来自癌症基因组图谱（TCGA）的976个乳腺癌肿瘤的空间微环境图谱。分析不仅精确推断了各类细胞的比例，更重要的是，根据空间表达模式识别出三个具有显著不同生物学特性和生存结局的乳腺癌亚组。
在临床最关心的治疗预测方面，Path2Space展现出了巨大优势。基于其生成的、低成本的空间肿瘤微环境图谱，在预测患者对化疗和曲妥珠单抗的治疗反应时，准确性甚至超过了基于昂贵的传统批量测序所得的生物标志物。这为临床医生选择最可能受益的患者提供了更可靠、更经济的工具。
研究意义与未来展望
Path2Space为大规模临床队列中的治疗生物标志物发现，提供了一种可扩展、快速且经济高效的替代方案。它直接从常规组织病理学中提取具有转化医学价值的深刻见解，打破了高端分子检测的成本与可及性壁垒。该研究不仅为乳腺癌的精准分层与治疗带来了新利器，也验证了该方法论在不同癌症种类中广泛应用的潜力。未来，基于AI的数字病理学分析，有望成为癌症临床研究和常规诊疗中不可或缺的一环，让每一张承载着疾病信息的病理切片，都发挥出更大的价值。
https://www.cell.com/cell/abstract/S0092-8674(26)00458-7
免费论坛
【关于投稿】
转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！
转化医学网（360zhyx.com）发布的文章旨在介绍前沿医学研究进展，不能作为治疗方案使用；如需获得健康指导，请至正规医院就诊。
责任声明：本稿件如有错误之处，敬请联系转化医学网客服进行修改事宜！
微信号：zhuanhuayixue
★ 4月份热门内容 ★
01
02
03
04
05
06
热门跟贴