尧图网页设计 
常规 HE 切片不仅能帮助病理医师判断“现在是什么”也可能包含肿瘤微环境与未来进展风险的形态信息。这项研究从结直肠癌全切片图像中发现一组细胞形态学生物标志物再迁移到胃癌、食管癌和癌前病变中验证。值得关注的设计模型学习到的形态特征跨癌种复用风险阈值则按器官校准单细胞与多重免疫染色进一步帮助解释这些形态对应的细胞和微环境状态。这篇文章把数字病理 AI 从“识别图像特征”推进到“解释形态背后的生物学并尝试用于癌前病变风险分层”。文献信息项目内容标题Tissue-Agnostic Cellular Morphometric Biomarkers for Risk-Adapted Management Across Gastrointestinal Precancerous Lesions and Cancers中文理解研究以 HE 全切片图像无监督发现 13 个细胞形态学生物标志物并在胃肠道肿瘤和癌前病变中评估其预后分层能力再以 bulk RNA-seq、单细胞测序和免疫染色解释其生物学含义。期刊Adv. Sci.发表时间2026年8月25日研究方向数字病理、可解释人工智能、胃肠道肿瘤风险分层核心资源/队列TCGA结直肠、直肠、胃、食管癌队列南京鼓楼医院多队列样本量/数据规模共2,602例单细胞分析来自17例结直肠癌患者质控后106,515个细胞DOI10.1002/advs.77353PubMedPMID: 42639854数据/代码TCGA数据来自GDC加工后的临床与CMB数据见论文补充文件。文中未见单独代码库链接医院原始病理图像未公开。核心突破许多病理 AI 模型的终点是分类图像属于哪种癌、是否存在某个病理特征。这篇研究尝试再往前走一步从常规 HE 切片中提取可解释的细胞形态学生物标志物cellular morphometric biomarkersCMBs并测试这些形态表征能否跨胃肠道器官迁移。方法上模型首先在结肠腺癌图像中无监督学习形态特征再将固定的特征字典用于胃、直肠和食管癌。需要注意的是跨组织复用的是形态特征提取框架不同器官的风险阈值仍需单独校准并非所有组织共用同一个风险切点。研究还把 CMB 风险分层用于结肠腺瘤和早期食管病变队列并以 bulk 转录组、单细胞 RNA 测序和多重免疫组化寻找生物学对应。这让“图像能不能预测”进一步变成“图像中的形态可能在反映什么”。文章摘要精准肿瘤学正在探索跨组织的标志物但分子检测在早期癌症和癌前病变风险评估中的应用仍受成本、可及性和样本条件限制。研究团队提出一套无监督、可解释的数字病理框架从结直肠癌 HE 全切片图像中学习细胞形态学生物标志物CMBs并构建由13个CMB组成的风险特征。研究纳入来自TCGA和南京鼓楼医院的2,602例胃肠道肿瘤与癌前病变患者评估结直肠、胃和食管组织中的迁移与预后分层表现。模型学习到的形态字典在跨癌种应用时保持固定但各器官风险阈值进行校准。研究进一步将CMB风险分数用于结肠腺瘤和早期食管病变队列并结合bulk RNA-seq、17例患者的单细胞测序及多重免疫组化显示部分形态特征与肿瘤增殖、免疫浸润或基质状态相关。结果提示常规病理图像可能承载可用于风险评估的微环境信息其临床决策价值仍需前瞻性研究验证。技术创新无监督发现形态特征不依赖人工预设的病理标签从组织图像中学习可复用的CMB字典。跨癌种迁移在结肠癌中建立的形态特征被用于胃、直肠和食管癌队列组织特征固定风险分层阈值按器官校准。从预测走向解释将图像形态与转录组、单细胞细胞类型和多重免疫染色进行对应而非只报告风险分数。材料与方法模块内容研究对象胃肠道肿瘤及癌前病变患者包括结直肠、直肠、胃、食管癌结肠腺瘤与早期食管病变。数据来源4个TCGA队列共1,118例来自38个临床中心南京鼓楼医院5个队列共1,484例。总计2,602例。图像建模基于HE全切片图像采用堆叠预测稀疏分解进行无监督字典学习从TCGA结肠腺癌队列学习128个CMB每张切片固定抽取1,000个细胞对象并以15项形态学属性描述CMB。特征筛选先评估CMB与生存结局的关系再以多变量Cox模型筛选出13-CMB特征形成CMB风险评分CMBRS和风险组CMBRG。跨队列验证将结肠癌中学到的形态字典迁移至胃癌、直肠癌和食管癌各器官单独校准风险阈值并在独立医院队列验证。临床与生物学验证KM生存分析、多变量Cox回归、临床变量联合模型与列线图另对17例结直肠癌进行单细胞测序并开展多重免疫组化验证。数据可用性TCGA全切片图像和临床资料来自GDC加工后的临床信息、CMB profiles、CMBRS及CMBRG列于补充数据。南京鼓楼医院原始数字病理文件未开放。研究结果研究从结肠图像出发逐步检验跨器官迁移研究路线包括无监督发现CMB、跨组织验证、癌前病变风险评估以及结合组学解释形态特征。它的关键不是一开始就训练一个覆盖所有癌种的分类器而是先在一个发现队列中学习形态字典再把固定表征带到其他队列检验。方法上要区分“特征迁移”和“阈值校准”研究固定了CMB形态表征但器官间的基线风险不同因此各癌种仍需进行风险阈值校准。这个设定比把同一分数线直接套给不同肿瘤更审慎。13个形态特征在多种胃肠道肿瘤中保持预后分层研究从128个CMB中筛选出13个组成预后特征。作者报告结肠癌发现队列中高风险组的总体生存较差CMBRS在校正TNM分期等临床因素后仍与预后相关HR2.08p0.001。在TCGA直肠、胃和食管癌队列中模型也显示风险区分能力。在TCGA队列中作者报告直肠癌、胃癌和食管癌队列的风险评分HR分别为4.414、2.385和2.693均p0.0001。南京鼓楼医院独立队列包括307例结直肠癌和208例胃癌CMBRS在校正临床因素后仍与预后相关。值得借鉴的是验证顺序先在发现队列筛选再把固定特征用于其他癌种和医院队列但阈值按器官校准因此结论应理解为“形态表征可跨组织迁移并辅助分层”而不是一个完全不需本地校准的通用临床评分。癌前病变也出现了可区分的进展风险在结肠腺瘤队列中低风险组的中位无复发生存期为42.5个月高风险组为23.7个月独立验证队列也用于检验这一分层。CMBRS与临床变量联合后预测能力优于单独使用临床变量的模型。早期食管病变队列中低风险食管炎症患者超过95%未观察到进展接近70%回归正常组织高风险炎症组观察到28/28进展。低级别上皮内瘤变LGIN中低风险组未观察到进展高风险组则为11/11进展。这些数字来自特定研究队列和亚组尤其28例、11例的高风险亚组并不大不能直接等同于真实临床中的确定性预测。它提示CMB风险分层值得进一步评估但是否能据此延长随访或提前干预仍需前瞻性临床研究验证。单细胞分析为形态分数寻找细胞来源作者对17例结直肠癌患者开展单细胞测序质控后得到106,515个细胞并分为11个细胞群。随后将与各CMB相关的基因映射到单细胞群体并以GO/KEGG富集和CellChat分析进一步解释其生物学关联。不同CMB关联到的细胞与功能并不相同CMB9、CMB85和CMB104相关基因主要出现在肿瘤细胞中CMB9与肿瘤增殖相关多种基质型CMB则关联成纤维细胞、肥大细胞等。CMB29关联单核/巨噬细胞、T细胞和成纤维细胞CellChat分析显示其细胞互作较丰富。这里提供的是生物学解释与关联单细胞表达和配体—受体分析帮助理解形态特征可能对应的微环境状态但不能单独证明某类细胞直接造成特定组织形态。多重免疫染色补充免疫细胞层面的对应关系研究通过多重免疫荧光/免疫组化检测T细胞和巨噬细胞相关标志并将组织中的免疫细胞读数与CMB进行比较检验单细胞分析中的细胞关联能否在蛋白层面得到支持。多数CMB与免疫细胞类型的对应关系在单细胞和多重染色分析中呈现一致趋势。它让“图像特征与某类细胞相关”的解释多了一层组织蛋白水平支持但依旧属于生物学对应验证不代表形态特征由这些细胞单向驱动。病理形态解释与组学结果相互参照最后作者展示代表性CMB及其局部病理邻域并与单细胞和病理医师的组织学解释对照。图像所呈现的肿瘤细胞、纤维化基质与免疫浸润差异为13-CMB风险特征提供了更直观的组织学背景。综合 bulk RNA-seq、单细胞、多重免疫染色和病理解释作者将部分高风险形态与免疫排斥、基质屏障等状态联系起来。这里的价值在于模型不只给出一个分数还尝试说明分数背后的组织结构可能代表什么。生信/AI/临床视角解读模型设计上这篇文章展示了一种值得借鉴的路线从常规病理图像中无监督发现形态表征再通过跨队列验证判断它是否能迁移最后以单细胞和免疫染色解释模型所捕获的组织状态。可迁移的重点不是“用了AI”而是把特征发现、固定迁移、分层验证和生物学解释分开评估。临床落点在癌前病变管理。对腺瘤、食管炎症或低级别病变医生面临的是如何区分可能长期稳定与更可能进展的患者。HE切片普遍可得若未来验证成立形态评分有望作为现有病理和临床指标的补充而不是替代内镜、病理诊断或分子检测。需要谨慎的是文章的医院原始全切片图像不能公开且作者指出还需要前瞻性研究评估其临床流程价值。此外风险阈值按器官校准在其他医院或扫描/染色流程中应用时仍需要检验稳定性和校准效果。总结这项研究的推进点是让常规HE图像中的微环境形态变成可迁移、可解释的风险信息并把验证场景延伸到胃肠道癌前病变距离临床决策工具还需要前瞻性验证。参考文献Wang P, Jiang C, Mao AW, et al. Tissue-Agnostic Cellular Morphometric Biomarkers for Risk-Adapted Management Across Gastrointestinal Precancerous Lesions and Cancers. Advanced Science. 2026.DOI: https://doi.org/10.1002/advs.77353PubMed: https://pubmed.ncbi.nlm.nih.gov/42639854/PMC全文及补充材料: https://pmc.ncbi.nlm.nih.gov/articles/PMC13504578/TCGA GDC Portal: https://portal.gdc.cancer.gov/ Adv. Sci. | 2602例验证：HE病理AI能否给胃肠癌前病变分层？
常规 HE 切片不仅能帮助病理医师判断“现在是什么”也可能包含肿瘤微环境与未来进展风险的形态信息。这项研究从结直肠癌全切片图像中发现一组细胞形态学生物标志物再迁移到胃癌、食管癌和癌前病变中验证。值得关注的设计模型学习到的形态特征跨癌种复用风险阈值则按器官校准单细胞与多重免疫染色进一步帮助解释这些形态对应的细胞和微环境状态。这篇文章把数字病理 AI 从“识别图像特征”推进到“解释形态背后的生物学并尝试用于癌前病变风险分层”。文献信息项目内容标题Tissue-Agnostic Cellular Morphometric Biomarkers for Risk-Adapted Management Across Gastrointestinal Precancerous Lesions and Cancers中文理解研究以 HE 全切片图像无监督发现 13 个细胞形态学生物标志物并在胃肠道肿瘤和癌前病变中评估其预后分层能力再以 bulk RNA-seq、单细胞测序和免疫染色解释其生物学含义。期刊Adv. Sci.发表时间2026年8月25日研究方向数字病理、可解释人工智能、胃肠道肿瘤风险分层核心资源/队列TCGA结直肠、直肠、胃、食管癌队列南京鼓楼医院多队列样本量/数据规模共2,602例单细胞分析来自17例结直肠癌患者质控后106,515个细胞DOI10.1002/advs.77353PubMedPMID: 42639854数据/代码TCGA数据来自GDC加工后的临床与CMB数据见论文补充文件。文中未见单独代码库链接医院原始病理图像未公开。核心突破许多病理 AI 模型的终点是分类图像属于哪种癌、是否存在某个病理特征。这篇研究尝试再往前走一步从常规 HE 切片中提取可解释的细胞形态学生物标志物cellular morphometric biomarkersCMBs并测试这些形态表征能否跨胃肠道器官迁移。方法上模型首先在结肠腺癌图像中无监督学习形态特征再将固定的特征字典用于胃、直肠和食管癌。需要注意的是跨组织复用的是形态特征提取框架不同器官的风险阈值仍需单独校准并非所有组织共用同一个风险切点。研究还把 CMB 风险分层用于结肠腺瘤和早期食管病变队列并以 bulk 转录组、单细胞 RNA 测序和多重免疫组化寻找生物学对应。这让“图像能不能预测”进一步变成“图像中的形态可能在反映什么”。文章摘要精准肿瘤学正在探索跨组织的标志物但分子检测在早期癌症和癌前病变风险评估中的应用仍受成本、可及性和样本条件限制。研究团队提出一套无监督、可解释的数字病理框架从结直肠癌 HE 全切片图像中学习细胞形态学生物标志物CMBs并构建由13个CMB组成的风险特征。研究纳入来自TCGA和南京鼓楼医院的2,602例胃肠道肿瘤与癌前病变患者评估结直肠、胃和食管组织中的迁移与预后分层表现。模型学习到的形态字典在跨癌种应用时保持固定但各器官风险阈值进行校准。研究进一步将CMB风险分数用于结肠腺瘤和早期食管病变队列并结合bulk RNA-seq、17例患者的单细胞测序及多重免疫组化显示部分形态特征与肿瘤增殖、免疫浸润或基质状态相关。结果提示常规病理图像可能承载可用于风险评估的微环境信息其临床决策价值仍需前瞻性研究验证。技术创新无监督发现形态特征不依赖人工预设的病理标签从组织图像中学习可复用的CMB字典。跨癌种迁移在结肠癌中建立的形态特征被用于胃、直肠和食管癌队列组织特征固定风险分层阈值按器官校准。从预测走向解释将图像形态与转录组、单细胞细胞类型和多重免疫染色进行对应而非只报告风险分数。材料与方法模块内容研究对象胃肠道肿瘤及癌前病变患者包括结直肠、直肠、胃、食管癌结肠腺瘤与早期食管病变。数据来源4个TCGA队列共1,118例来自38个临床中心南京鼓楼医院5个队列共1,484例。总计2,602例。图像建模基于HE全切片图像采用堆叠预测稀疏分解进行无监督字典学习从TCGA结肠腺癌队列学习128个CMB每张切片固定抽取1,000个细胞对象并以15项形态学属性描述CMB。特征筛选先评估CMB与生存结局的关系再以多变量Cox模型筛选出13-CMB特征形成CMB风险评分CMBRS和风险组CMBRG。跨队列验证将结肠癌中学到的形态字典迁移至胃癌、直肠癌和食管癌各器官单独校准风险阈值并在独立医院队列验证。临床与生物学验证KM生存分析、多变量Cox回归、临床变量联合模型与列线图另对17例结直肠癌进行单细胞测序并开展多重免疫组化验证。数据可用性TCGA全切片图像和临床资料来自GDC加工后的临床信息、CMB profiles、CMBRS及CMBRG列于补充数据。南京鼓楼医院原始数字病理文件未开放。研究结果研究从结肠图像出发逐步检验跨器官迁移研究路线包括无监督发现CMB、跨组织验证、癌前病变风险评估以及结合组学解释形态特征。它的关键不是一开始就训练一个覆盖所有癌种的分类器而是先在一个发现队列中学习形态字典再把固定表征带到其他队列检验。方法上要区分“特征迁移”和“阈值校准”研究固定了CMB形态表征但器官间的基线风险不同因此各癌种仍需进行风险阈值校准。这个设定比把同一分数线直接套给不同肿瘤更审慎。13个形态特征在多种胃肠道肿瘤中保持预后分层研究从128个CMB中筛选出13个组成预后特征。作者报告结肠癌发现队列中高风险组的总体生存较差CMBRS在校正TNM分期等临床因素后仍与预后相关HR2.08p0.001。在TCGA直肠、胃和食管癌队列中模型也显示风险区分能力。在TCGA队列中作者报告直肠癌、胃癌和食管癌队列的风险评分HR分别为4.414、2.385和2.693均p0.0001。南京鼓楼医院独立队列包括307例结直肠癌和208例胃癌CMBRS在校正临床因素后仍与预后相关。值得借鉴的是验证顺序先在发现队列筛选再把固定特征用于其他癌种和医院队列但阈值按器官校准因此结论应理解为“形态表征可跨组织迁移并辅助分层”而不是一个完全不需本地校准的通用临床评分。癌前病变也出现了可区分的进展风险在结肠腺瘤队列中低风险组的中位无复发生存期为42.5个月高风险组为23.7个月独立验证队列也用于检验这一分层。CMBRS与临床变量联合后预测能力优于单独使用临床变量的模型。早期食管病变队列中低风险食管炎症患者超过95%未观察到进展接近70%回归正常组织高风险炎症组观察到28/28进展。低级别上皮内瘤变LGIN中低风险组未观察到进展高风险组则为11/11进展。这些数字来自特定研究队列和亚组尤其28例、11例的高风险亚组并不大不能直接等同于真实临床中的确定性预测。它提示CMB风险分层值得进一步评估但是否能据此延长随访或提前干预仍需前瞻性临床研究验证。单细胞分析为形态分数寻找细胞来源作者对17例结直肠癌患者开展单细胞测序质控后得到106,515个细胞并分为11个细胞群。随后将与各CMB相关的基因映射到单细胞群体并以GO/KEGG富集和CellChat分析进一步解释其生物学关联。不同CMB关联到的细胞与功能并不相同CMB9、CMB85和CMB104相关基因主要出现在肿瘤细胞中CMB9与肿瘤增殖相关多种基质型CMB则关联成纤维细胞、肥大细胞等。CMB29关联单核/巨噬细胞、T细胞和成纤维细胞CellChat分析显示其细胞互作较丰富。这里提供的是生物学解释与关联单细胞表达和配体—受体分析帮助理解形态特征可能对应的微环境状态但不能单独证明某类细胞直接造成特定组织形态。多重免疫染色补充免疫细胞层面的对应关系研究通过多重免疫荧光/免疫组化检测T细胞和巨噬细胞相关标志并将组织中的免疫细胞读数与CMB进行比较检验单细胞分析中的细胞关联能否在蛋白层面得到支持。多数CMB与免疫细胞类型的对应关系在单细胞和多重染色分析中呈现一致趋势。它让“图像特征与某类细胞相关”的解释多了一层组织蛋白水平支持但依旧属于生物学对应验证不代表形态特征由这些细胞单向驱动。病理形态解释与组学结果相互参照最后作者展示代表性CMB及其局部病理邻域并与单细胞和病理医师的组织学解释对照。图像所呈现的肿瘤细胞、纤维化基质与免疫浸润差异为13-CMB风险特征提供了更直观的组织学背景。综合 bulk RNA-seq、单细胞、多重免疫染色和病理解释作者将部分高风险形态与免疫排斥、基质屏障等状态联系起来。这里的价值在于模型不只给出一个分数还尝试说明分数背后的组织结构可能代表什么。生信/AI/临床视角解读模型设计上这篇文章展示了一种值得借鉴的路线从常规病理图像中无监督发现形态表征再通过跨队列验证判断它是否能迁移最后以单细胞和免疫染色解释模型所捕获的组织状态。可迁移的重点不是“用了AI”而是把特征发现、固定迁移、分层验证和生物学解释分开评估。临床落点在癌前病变管理。对腺瘤、食管炎症或低级别病变医生面临的是如何区分可能长期稳定与更可能进展的患者。HE切片普遍可得若未来验证成立形态评分有望作为现有病理和临床指标的补充而不是替代内镜、病理诊断或分子检测。需要谨慎的是文章的医院原始全切片图像不能公开且作者指出还需要前瞻性研究评估其临床流程价值。此外风险阈值按器官校准在其他医院或扫描/染色流程中应用时仍需要检验稳定性和校准效果。总结这项研究的推进点是让常规HE图像中的微环境形态变成可迁移、可解释的风险信息并把验证场景延伸到胃肠道癌前病变距离临床决策工具还需要前瞻性验证。参考文献Wang P, Jiang C, Mao AW, et al. Tissue-Agnostic Cellular Morphometric Biomarkers for Risk-Adapted Management Across Gastrointestinal Precancerous Lesions and Cancers. Advanced Science. 2026.DOI: https://doi.org/10.1002/advs.77353PubMed: https://pubmed.ncbi.nlm.nih.gov/42639854/PMC全文及补充材料: https://pmc.ncbi.nlm.nih.gov/articles/PMC13504578/TCGA GDC Portal: https://portal.gdc.cancer.gov/