Cancer Cell | 从潜在表征到空间生物标志物表征：孔令杰团队与合作者提出全新病理人工智能框架PathPrism，开启可解释病理AI新范式

本文介绍了清华大学孔令杰团队与合作者在Cancer Cell上提出的病理AI新框架PathPrism。背景方面，当前主流病理AI依赖难以解释的潜在表征进行预测，虽性能强但缺乏病理学含义，限制了科学发现能力。研究目的旨在构建一种既能高效预测又具备明确病理学意义的表征方式。结论上，PathPrism将病理图像解析为具有明确病理学意义的组织语义（如肿瘤细胞、淋巴细胞等），并量化其空间关系与拓扑结构，形成由数百个空间生物标志物组成的“空间生物标志物谱”。在11个国际队列、7000例结直肠癌患者数据中验证，该框架在预后预测上达到与先进深度学习模型相当的性能，且系统发现了与患者生存、基因突变及化疗反应相关的空间生物标志物。此外，PathPrism结合虚拟实验与大语言模型，支持可解释的科学发现与假说生成，为计算病理学提供了从黑盒预测到透明发现的新范式。