AI與醫(yī)學(xué)的深度融合，為健康領(lǐng)域的進(jìn)步創(chuàng)造了前所未有的機(jī)遇。

近日，微軟團(tuán)隊(duì)發(fā)布了GigaTIME，這是第一個(gè)能以極低成本、大規(guī)模地獲得腫瘤微環(huán)境（TME）數(shù)據(jù)的AI模型。

簡(jiǎn)單而言，GigaTIME學(xué)習(xí)了4000萬(wàn)細(xì)胞數(shù)據(jù)，能夠?qū)?~10美元的腫瘤病理切片，一鍵轉(zhuǎn)化為價(jià)值高達(dá)幾千美元腫瘤免疫數(shù)據(jù)（mIF）。

這將使得醫(yī)生深入洞察腫瘤的免疫特性，識(shí)別出患者腫瘤免疫組成、癌癥階段、患者存活率、潛在用藥方案等，并生成個(gè)性化的治療方案！

該成果以“Multimodal AI generates virtual population for tumor microenvironment modeling”為題，發(fā)表在了Cell上。

與此同時(shí)，微軟將GigaTIME在Hugging Face、GitHub和Microsoft Foundry等平臺(tái)上開源。

鏈接：https://github.com/prov-gigatime/GigaTIME

團(tuán)隊(duì)表示，該成果有望極大地推動(dòng)精準(zhǔn)免疫腫瘤學(xué)研究。

僅幾美元成本，一鍵生成腫瘤免疫數(shù)據(jù)

當(dāng)前，癌癥治療已經(jīng)從研究腫瘤細(xì)胞轉(zhuǎn)向了“腫瘤免疫學(xué)”。

其中重中之重，就是“腫瘤微環(huán)境”（TME），帶來了癌癥治療觀念和理念的革新。

“腫瘤微環(huán)境”，即腫瘤的生長(zhǎng)、轉(zhuǎn)移和治療響應(yīng)，并非僅由癌細(xì)胞決定，而是由其與周圍免疫細(xì)胞、基質(zhì)細(xì)胞、血管、神經(jīng)及信號(hào)分子動(dòng)態(tài)相互作用的結(jié)果。

也就是說，科學(xué)家們從殺死癌細(xì)胞，轉(zhuǎn)向了治理滋生癌細(xì)胞的生態(tài)系統(tǒng)。

無論是藥物研發(fā)，還是臨床治療都依賴腫瘤微環(huán)境研究。尤其是，幾乎所有靶向療法都會(huì)面臨耐藥，TME研究是解開耐藥謎題的關(guān)鍵鑰匙。

這其中，多重免疫熒光（mIF）技術(shù)，又是解析腫瘤微環(huán)境最核心的空間成像技術(shù)之一。

它可以揭示腫瘤微環(huán)境中蛋白質(zhì)表達(dá)的關(guān)鍵信息，幫助醫(yī)生判斷免疫細(xì)胞是否積極對(duì)抗癌細(xì)胞。

但mIF不僅價(jià)格昂貴，且非常耗時(shí)。僅僅一個(gè)樣本花費(fèi)數(shù)千美元，耗時(shí)數(shù)天，導(dǎo)致難以在臨床推廣。

研究人員絞盡腦汁：有沒有什么低成本的方式，實(shí)現(xiàn)患者腫瘤免疫研究？

于是微軟聯(lián)合華盛頓大學(xué)研究團(tuán)隊(duì)，以及普羅維登斯醫(yī)療機(jī)構(gòu)，共同開發(fā)了

GigaTIME模型。

它僅僅用標(biāo)準(zhǔn)病理學(xué)切片（H&E），一鍵生成高分辨率的mIF數(shù)據(jù)。

圖： GigaTIME工作流示意圖

要知道，病理切片已成為癌癥治療中常規(guī)手段，每張售價(jià)僅5至10美元，有望極大地節(jié)省了腫瘤免疫研究成本。

首先，研究人員整理了清洗了大量數(shù)據(jù)，該數(shù)據(jù)集包含4000萬(wàn)個(gè)細(xì)胞，配對(duì)的病理學(xué)切片和mIF圖像，跨21個(gè)蛋白質(zhì)通道。

基于這些珍貴的數(shù)據(jù)集訓(xùn)練了GigaTIME模型，只需輸入一張新的、從未見過的H&E切片，就能在幾秒鐘內(nèi)預(yù)測(cè)并生成對(duì)應(yīng)的高分辨率虛擬mIF圖像，展示多種免疫細(xì)胞在腫瘤中的空間分布。

隨后，研究團(tuán)隊(duì)將GigaTIME應(yīng)用于普羅維登斯醫(yī)療系統(tǒng)內(nèi)51家醫(yī)院和1000多家診所中14,256名癌癥患者的病理樣本。

最終，生成了覆蓋24種癌癥類型和306種亞型的約30萬(wàn)張?zhí)摂MmIF切片，從而構(gòu)建了一個(gè)大規(guī)模、多樣化的虛擬數(shù)據(jù)。

等于說，GigaTIME實(shí)現(xiàn)對(duì)數(shù)十種癌癥類型和數(shù)百種亞型腫瘤微環(huán)境的群體尺度分析。

未來展望：變革癌癥診療方式

微軟稱，這是歷史上首個(gè)大規(guī)模的多模態(tài)AI用于生成腫瘤微環(huán)境數(shù)據(jù)的模型。

那么問題來了，耗費(fèi)大量的時(shí)間進(jìn)行建模，生成一堆mIF數(shù)據(jù)有什么好處？

研究人員表示，它將極大地推動(dòng)精準(zhǔn)免疫腫瘤學(xué)的發(fā)展。

例如，該模型能夠從種群尺度上預(yù)測(cè)關(guān)鍵生物標(biāo)志物，實(shí)現(xiàn)精準(zhǔn)腫瘤分診。

利用這個(gè)龐大的虛擬數(shù)據(jù)集，研究人員發(fā)現(xiàn)了1,234個(gè)具有統(tǒng)計(jì)學(xué)顯著性的新關(guān)聯(lián)，揭示了不同蛋白質(zhì)表達(dá)與臨床生物標(biāo)志物（如基因突變、腫瘤突變負(fù)荷等）之間的關(guān)系，這些發(fā)現(xiàn)往往因成本限制而難以實(shí)現(xiàn)。

圖：GigaTIME識(shí)別出泛癌、癌癥類型、癌癥亞型等層面上TIME蛋白與

不僅如此，研究人員還10,200名患者上進(jìn)行了獨(dú)立的外部驗(yàn)證，將癌癥基因組圖譜（TCGA）數(shù)據(jù)集與生成虛擬mIF相比較。

最終觀察到顯著一致性，癌癥亞型間虛擬蛋白激活的Spearman相關(guān)系數(shù)為0.88。

也就是說，生成的虛擬數(shù)據(jù)與真實(shí)世界數(shù)據(jù)高度一致，證明了其可靠性和普適性。

也就是說，科學(xué)家們和醫(yī)生有望精準(zhǔn)地識(shí)別出患者腫瘤免疫組成、癌癥階段、患者存活率、潛在用藥方案等......

不止如此，團(tuán)隊(duì)還有一個(gè)更大的目標(biāo)——構(gòu)建強(qiáng)大的“虛擬患者”。

未來，它可以融合患者個(gè)人的病理、基因組、影像學(xué)等多維度數(shù)據(jù)，構(gòu)建個(gè)性化的患者“數(shù)字孿生”模型，用于預(yù)測(cè)疾病進(jìn)展和治療反應(yīng)，變革臨床診療一刀切的方式。

它將極大地協(xié)助藥物研究，從而降低當(dāng)前將新癌癥治療推向市場(chǎng)所需的巨大成本和時(shí)間。