1268-可解释深度学习辅助胃癌预后及化疗获益预测研究

这份研究报告介绍了一种利用弱监督Transformer深度学习架构开发的可解释生物标志物——病理风险评分（TPRS），旨在提升胃癌的预后评估与精准治疗。研究团队分析了数千张全切片数字化病理图像（WSIs），证明了TPRS能有效预测患者的总生存期，并能识别出能从术后辅助化疗中显著获益的II-III期患者。该模型不仅在内部数据集和TCGA外部验证集中表现出稳健的独立预后价值，还克服了深度学习“黑箱”局限性。通过构建“基因→细胞特征→TPRS”的中介分析框架，研究揭示了影像特征与转录组学及免疫微环境之间的生物学联系。这一成果为胃癌的个体化诊疗决策提供了一个低成本、高效率且具有生物学解释力的数字化工具。References:Ji J, Zhang X, Hua M, et al. An interpretable deep learning biomarker for prognostication and prediction of adjuvant chemotherapy benefit in gastric cancer[J]. npj Precision Oncology, 2026.前往小宇宙评论区与主播互动