/01/癌癥診斷 “兩難困境”：
常規檢查 “信息量不夠”，高端檢查 “用不起”
腫瘤免疫微環境（TIME）是決定癌癥進展、轉移及治療響應的關鍵因素，其構成復雜，包含癌細胞、免疫細胞、成纖維細胞等多種細胞及相關蛋白質。
要深入解析這一微環境，就需要精準捕捉多種蛋白質的激活狀態與空間分布——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。
當前已有技術可以實現這一目標——多重免疫熒光（mIF）檢測。它可同時分析21種關鍵蛋白質的活動情況，完整呈現腫瘤微環境的“全景圖”，為科研和臨床決策提供豐富依據。
但mIF檢測的局限性十分突出：試劑、專用設備及數據處理的成本極高，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，其核心作用是呈現細胞形態與組織架構，為初步診斷提供依據。
但H&E切片無法反映蛋白質的激活狀態，對于解析腫瘤免疫微環境、指導精準治療而言，信息量嚴重不足。
這種“常規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療的推進。如何讓低成本的常規檢測具備高端檢測的分析能力，成為行業亟待解決的關鍵問題。
/02/GigaTIME=AI “翻譯官”
GigaTIME的本質是一款專注于病理切片分析的跨模態AI轉換模型，其核心功能是將H&E切片包含的細胞形態信息，精準轉換為mIF切片特有的蛋白質激活與空間分布信息。
GigaTIME這一能力的實現，源于龐大的“訓練數據庫”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。
通過對這些配對數據的深度學習，AI逐漸掌握了細胞形態特征與蛋白質激活狀態之間的潛在關聯——比如某種細胞的形態變化，對應著特定免疫蛋白的激活或抑制。
經過系統訓練后，GigaTIME具備了高效的轉換能力：
輸入一張常規H&E切片，模型可在短時間內生成對應的“虛擬mIF切片”，精準還原21種關鍵蛋白質的激活強度、分布位置等核心信息。
/03/大規模虛擬人群研究：解鎖1234個癌癥關鍵關聯
借助GigaTIME的高效轉換能力，研究團隊開展了迄今為止規模最大的腫瘤免疫微環境研究。
他們收集了來自美國7個州、51家醫院的14256名癌癥患者的H&E切片，成功生成29.9萬多張虛擬mIF切片，覆蓋24種癌癥類型及306個亞型，構建出全球首個大規模“虛擬mIF研究人群”。
基于這一龐大的虛擬人群，研究團隊發現了1234個具有統計學顯著性的新關聯，揭示了蛋白質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系，并且其中多個發現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，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，解釋了這類患者往往免疫治療響應不佳的原因。
為驗證研究結果的可靠性，團隊還利用癌癥基因組圖譜（TCGA）的10200名患者數據進行獨立驗證。
結果顯示，兩組人群的核心蛋白質激活模式相關系數達0.88，且80個關鍵關聯在兩組數據中均顯著存在，充分證明了研究發現的通用性與穩定性。
/04/臨床轉化價值：讓精準醫療惠及更多患者
這項研究的核心價值，在于將高端科研技術轉化為可普及的臨床工具，為患者帶來實實在在的獲益：
1、降低精準醫療門檻
目前GigaTIME已在GitHub、Hugging Face等平臺開放，開發者可基于這一框架優化醫療設備算法，降低免疫檢測設備的研發成本。
未來，患者無需承擔昂貴的mIF檢測費用，僅憑常規H&E切片，即可通過AI獲得全面的腫瘤免疫微環境分析，明確自身腫瘤的免疫特征、適合的治療方案及預后風險，讓精準醫療不再局限于少數能承擔高端檢測的患者。
2、優化臨床治療決策
GigaTIME生成的虛擬mIF數據，可幫助醫生快速實現患者分層：識別出對免疫治療敏感的人群、需要聯合治療的高危人群，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構建的大規模虛擬人群，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，為針對性藥物研發與治療方案制定提供數據支撐。
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，地理與種族多樣性不足；
◆模型目前可識別21種蛋白質，部分細胞質、細胞膜蛋白質的轉換精度仍有提升空間。
隨著AI技術與醫療數據的深度融合，未來將有更多常規檢測實現“價值升級”，推動癌癥研究從“小樣本探索”走向“大規模精準分析”。
這一變革不僅能加速抗癌新知的發現，更能讓精準醫療真正落地臨床，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
