跳到正文
原文
顶刊论文(社媒热度)· Cancer Cell·· 2026-08-22精选评分65

PathPrism:基于可解释语义学习的病理空间生物标志物发现框架

Spatial biomarker discovery via interpretable semantic learning in histopathology.

导读

研究提出可解释 AI 框架 PathPrism,将全幅病理切片中的组织结构编码为病理导向的空间特征,在 11 个队列共 7,000 例结直肠癌患者中识别出数百个可预测生存、MSI 及 BRAF、TP53 突变的空间生物标志物,并在 II/III 期患者中分层化疗获益。

推荐理由

原文给出基于11个队列7000例结直肠癌的可解释框架验证,读者可据此与同类黑箱方法在空间标志物可解释性与虚拟实验能力上直接对比。

来源:顶刊论文(社媒热度) · doi.org

CBACBA Frontier Insights (CFI)美国华人生物医药科技协会(CBA)www.cba-usa.org