/01/癌癥診斷 “兩難困境”：
常規(guī)檢查 “信息量不夠”，高端檢查 “用不起”
腫瘤免疫微環(huán)境（TIME）是決定癌癥進展、轉(zhuǎn)移及治療響應的關(guān)鍵因素，其構(gòu)成復雜，包含癌細胞、免疫細胞、成纖維細胞等多種細胞及相關(guān)蛋白質(zhì)。
要深入解析這一微環(huán)境，就需要精準捕捉多種蛋白質(zhì)的激活狀態(tài)與空間分布——這是判斷腫瘤是否逃避免疫攻擊、患者是否適合免疫治療的核心依據(jù)。
當前已有技術(shù)可以實現(xiàn)這一目標——多重免疫熒光（mIF）檢測。它可同時分析21種關(guān)鍵蛋白質(zhì)的活動情況，完整呈現(xiàn)腫瘤微環(huán)境的“全景圖”，為科研和臨床決策提供豐富依據(jù)。
但mIF檢測的局限性十分突出：試劑、專用設(shè)備及數(shù)據(jù)處理的成本極高，且操作流程繁瑣、耗時較長，導致其難以在臨床中大規(guī)模應用，僅能用于小范圍科研項目。
與之形成對比的是蘇木精-伊紅（H&E）染色切片檢測。作為臨床常規(guī)檢測手段，H&E切片成本低、操作簡便，癌癥患者幾乎都會接受這項檢查，其核心作用是呈現(xiàn)細胞形態(tài)與組織架構(gòu)，為初步診斷提供依據(jù)。
但H&E切片無法反映蛋白質(zhì)的激活狀態(tài)，對于解析腫瘤免疫微環(huán)境、指導精準治療而言，信息量嚴重不足。
這種“常規(guī)檢測普及但信息有限，高端檢測精準但價格高昂”的矛盾，長期制約著癌癥精準醫(yī)療的推進。如何讓低成本的常規(guī)檢測具備高端檢測的分析能力，成為行業(yè)亟待解決的關(guān)鍵問題。
/02/GigaTIME=AI “翻譯官”
GigaTIME的本質(zhì)是一款專注于病理切片分析的跨模態(tài)AI轉(zhuǎn)換模型，其核心功能是將H&E切片包含的細胞形態(tài)信息，精準轉(zhuǎn)換為mIF切片特有的蛋白質(zhì)激活與空間分布信息。
GigaTIME這一能力的實現(xiàn)，源于龐大的“訓練數(shù)據(jù)庫”的支撐與先進算法的訓練。
研究團隊收集了4000萬個細胞的配對樣本，每個樣本均同時具備H&E切片圖像與對應的mIF切片圖像。
通過對這些配對數(shù)據(jù)的深度學習，AI逐漸掌握了細胞形態(tài)特征與蛋白質(zhì)激活狀態(tài)之間的潛在關(guān)聯(lián)——比如某種細胞的形態(tài)變化，對應著特定免疫蛋白的激活或抑制。
經(jīng)過系統(tǒng)訓練后，GigaTIME具備了高效的轉(zhuǎn)換能力：
輸入一張常規(guī)H&E切片，模型可在短時間內(nèi)生成對應的“虛擬mIF切片”，精準還原21種關(guān)鍵蛋白質(zhì)的激活強度、分布位置等核心信息。
/03/大規(guī)模虛擬人群研究：解鎖1234個癌癥關(guān)鍵關(guān)聯(lián)
借助GigaTIME的高效轉(zhuǎn)換能力，研究團隊開展了迄今為止規(guī)模最大的腫瘤免疫微環(huán)境研究。
他們收集了來自美國7個州、51家醫(yī)院的14256名癌癥患者的H&E切片，成功生成29.9萬多張?zhí)摂MmIF切片，覆蓋24種癌癥類型及306個亞型，構(gòu)建出全球首個大規(guī)�！疤摂MmIF研究人群”。
基于這一龐大的虛擬人群，研究團隊發(fā)現(xiàn)了1234個具有統(tǒng)計學顯著性的新關(guān)聯(lián)，揭示了蛋白質(zhì)表達與臨床生物標志物（如TMB、PD-L1）、分期和生存情況的深層聯(lián)系，并且其中多個發(fā)現(xiàn)直接指導臨床檢測與治療決策。
比如KMT2D基因突變與CD3、CD8等免疫細胞標志物的激活呈正相關(guān)，提示攜帶該突變的患者可能對免疫治療更敏感；而KRAS基因突變則與免疫細胞浸潤減少相關(guān)，解釋了這類患者往往免疫治療響應不佳的原因。
為驗證研究結(jié)果的可靠性，團隊還利用癌癥基因組圖譜（TCGA）的10200名患者數(shù)據(jù)進行獨立驗證。
結(jié)果顯示，兩組人群的核心蛋白質(zhì)激活模式相關(guān)系數(shù)達0.88，且80個關(guān)鍵關(guān)聯(lián)在兩組數(shù)據(jù)中均顯著存在，充分證明了研究發(fā)現(xiàn)的通用性與穩(wěn)定性。
/04/臨床轉(zhuǎn)化價值：讓精準醫(yī)療惠及更多患者
這項研究的核心價值，在于將高端科研技術(shù)轉(zhuǎn)化為可普及的臨床工具，為患者帶來實實在在的獲益：
1、降低精準醫(yī)療門檻
目前GigaTIME已在GitHub、Hugging Face等平臺開放，開發(fā)者可基于這一框架優(yōu)化醫(yī)療設(shè)備算法，降低免疫檢測設(shè)備的研發(fā)成本。
未來，患者無需承擔昂貴的mIF檢測費用，僅憑常規(guī)H&E切片，即可通過AI獲得全面的腫瘤免疫微環(huán)境分析，明確自身腫瘤的免疫特征、適合的治療方案及預后風險，讓精準醫(yī)療不再局限于少數(shù)能承擔高端檢測的患者。
2、優(yōu)化臨床治療決策
GigaTIME生成的虛擬mIF數(shù)據(jù)，可幫助醫(yī)生快速實現(xiàn)患者分層：識別出對免疫治療敏感的人群、需要聯(lián)合治療的高危人群，以及預后較好的低危人群，避免“一刀切”的治療模式，減少無效治療帶來的醫(yī)療資源浪費與患者痛苦。
3、助力罕見癌癥研究
罕見癌癥因病例稀少、研究成本高，長期缺乏針對性治療方案。GigaTIME構(gòu)建的大規(guī)模虛擬人群，涵蓋了眾多罕見癌癥亞型，可快速挖掘這些小眾疾病的獨特免疫特征，為針對性藥物研發(fā)與治療方案制定提供數(shù)據(jù)支撐。
值得注意的是，研究仍存在一定局限性：
◆當前患者群體主要來自美國部分地區(qū)，地理與種族多樣性不足；
◆模型目前可識別21種蛋白質(zhì)，部分細胞質(zhì)、細胞膜蛋白質(zhì)的轉(zhuǎn)換精度仍有提升空間。
隨著AI技術(shù)與醫(yī)療數(shù)據(jù)的深度融合，未來將有更多常規(guī)檢測實現(xiàn)“價值升級”，推動癌癥研究從“小樣本探索”走向“大規(guī)模精準分析”。
這一變革不僅能加速抗癌新知的發(fā)現(xiàn)，更能讓精準醫(yī)療真正落地臨床，最終推動癌癥治療從“對癥治療”向“對因治療”的根本性轉(zhuǎn)變。
「參考文獻」
Valanarasu JMJ, Xu H, Usuyama N, et al. Multimodal AI generates virtual population for tumor microenvironment modeling. Cell. Published online December 9, 2025.
分享
