Nat Commun | 陈浩团队开发生成式人工智能框架，以虚拟染色技术加速组织病理诊断工作流程

组织病理分析是癌症诊断的关键，但传统化学染色耗时且消耗珍贵样本。香港科技大学陈浩教授团队在Nature Communications发表研究，开发了名为DGR（解耦生成与配准）的生成式AI框架，解决了虚拟染色中的配准误差问题。该框架在训练图像未能精确配准时，仍能生成高保真虚拟染色图像。研究在五个数据集（包括H&E、PAS-AB、多重免疫组化）上评估，DGR在图像质量和结构保真度上优于现有模型。病理医生盲法评估显示，DGR生成的虚拟染色图像与真实化学染色图像在视觉上难以区分（准确率约52%），且结合使用可提升下游病理AI分类任务（如结直肠息肉和胃癌组织分类）的性能。该研究为加速组织病理工作流程、减少样本消耗提供了新方向。