H&E切片不必再做空间转录组:ALHENA用细胞与邻域相似度蒸馏,患者级特征相关性达0.341
ALHENA把空间转录组的信息蒸馏进常规H&E编码器,推理时只读图像。它不回归单个基因,而是让H&E表示去匹配两个冻结转录组模型在细胞和邻域尺度上给出的样本间相似度结构。在TCGA的110个癌种与特征组合上,平均Spearman相关为0.341,高于未适配UNI2-h的0.161;在Thunder病理基准上中位变化为−0.004。
ALHENA把空间转录组的信息蒸馏进常规H&E编码器,推理时只读图像。它不回归单个基因,而是让H&E表示去匹配两个冻结转录组模型在细胞和邻域尺度上给出的样本间相似度结构。在TCGA的110个癌种与特征组合上,平均Spearman相关为0.341,高于未适配UNI2-h的0.161;在Thunder病理基准上中位变化为−0.004。
实验室小鼠的年龄可以从一张普通照片中读出,但读出的主要是相对年龄而非绝对年龄。研究汇集七个设施、1292只小鼠的2846张照片,用未经小鼠数据训练的DINOv2视觉特征加岭回归预测年龄;在未见过的设施上绝对误差中位数达138天,而同一场次内配对比较时较老个体被排得更老的比率为65%,年龄差超过500天时升至95%以上。预测年龄高于实际年龄的小鼠更虚弱,每100天照片年龄差对应虚弱度增加0.12个标准差、死亡风险升高14%。
罕见变异关联研究产出的显著关联越来越多,判断每条关联此前是否已有证据,正成为比发现本身更紧的瓶颈。PESTO把大语言模型的文献审读与Open Targets结构化遗传证据合成一条智能体流程,按Novel、Hypothesized、Existing、Established四档给出带引文的判定。在两项罕见变异研究的940个独特基因-表型对上,7%被判为无任何既往证据,21%只有机制或间接支持;50个随机配对阴性对照中86%落入前两档。
面向肿瘤患者胸腹盆CT的视觉语言基础模型CAPTOR在25,512对CT与报告上完成预训练,并在目标场景中超过现有CT基础模型。在胸腹盆全覆盖子集上,其疾病分类AUC为0.767,高于次优模型的0.695;在肿瘤子集上为0.784,高于0.734。该模型把整段胸腹盆检查按器官分区裁剪后编码,但只做检查级判断,不定位病灶。
结直肠癌肝转移的治疗决策要在肿瘤生物学、可切除性和残余肝体积之间权衡,此前大模型只能靠提示词直接给建议,与专家多学科讨论的一致性有限。METATRON研究把肝胆外科医生在肿瘤委员会上的评估顺序写成结构化工作流,并与指南文献检索结合,在110例合成病例上由三名独立大模型评审按五个维度打分。工作流加检索的组合策略综合得分最高(0.626,基线0.444),但解剖可切除性判定的敏感性仍只有40%,尚不足以独立用于临床。
三维荧光显微图像里的细胞分割长期在两条路之间取舍:深度学习效率高但只输出离散体素掩膜,主动曲面能给出连续形状却难以处理多目标。Nagini3D把两者接在一起,用一个三维U-Net同时预测目标位置和一组样条曲面参数,每个目标由一张闭合光滑的参数曲面表示。在含非星凸物体的合成集CAPS上,加细化步骤的Nagini3D+平均IoU为0.859,高于StarDist3D的0.779;在真实BONES集上两者接近,但Nagini3D推理最快,平均4.75秒。
作者提出HyperNSDE,一个连续时间生成模型:用HI-VAE编码异质静态协变量,再通过超网络把静态潜表示映射为个体化漂移参数,驱动一个潜神经SDE,并用潜状态依赖强度过程联合建模观测时间,训练上采用确定性—随机路径分解与签名核目标;在模拟数据和VELOUR、PPMI两个真实队列上,它取得更好的观测时间保真度与若干分布和隐私指标,而预测与相关性指标表现不一,受观测网格规则性和轨迹平滑度影响。
该工作提出首个把提示依赖显式拆分为提示歧义(用户间差异)与局部敏感度(交互不精确)的框架:用混合密度网络建模图像条件下的合理提示分布并以协方差迹量化歧义,用稳定裕度刻画在测量噪声下引发掩膜变化所需的最小扰动,并在UT-EndoMRI(81例子宫内膜异位症患者、子宫分割)与MOGaMBO(94例局部晚期宫颈癌患者、膀胱分割)两套女性盆腔T2加权MRI上评估MobileSAM与MedSAM,发现两个指标与Dice呈显著负相关、彼此相关性低,且条件采样得到的像素级不确定度图与分割错误区域对齐。
该工作指出 FBCSA 与 DGWM 等半监督域泛化方法在长尾类别分布下性能显著下降,提出 IMaX:在带标签样本监督约束下最大化特征与潜在标签的互信息,并用 Tsallis α-熵替代标准边际熵项以放宽类别均衡假设;在 ESCA 组织病理与视网膜糖网分级两个模态、三种 SSL 框架与三种 SSDG 方法上,IMaX 在除一个设置外的所有设置中提升准确率,低标注情形(mL=5)最高提升 7.3 个百分点。
OPTIMUST是一项前瞻性单中心实施研究,在心脏科与非心脏科病房由未取得正式超声心动图认证的医师完成两个月结构化培训后,使用Caption AI赋能的手持超声进行聚焦检查,287次尝试中206次(71.8%)图像可分析,操作者对左室射血分数的评估与专家对同一手持图像集的复核相关(r=0.84),充盈压分类的二次加权κ为0.659,93.7%的检查中医生报告手持超声结果改变或确认了处理方案,32.8%在一个月内接受了全面超声心动图检查。