Cell重磅！微軟開源首個AI腫瘤免疫模型，幾美元成本看穿癌癥底細

AI與醫學的深度融合，為健康領域的進步創造了前所未有的機遇。

近日，微軟團隊發布了GigaTIME，這是第一個能以極低成本、大規模地獲得腫瘤微環境（TME）數據的AI模型。

簡單而言，GigaTIME學習了4000萬細胞數據，能夠將5~10美元的腫瘤病理切片，一鍵轉化為價值高達幾千美元腫瘤免疫數據（mIF）。

這將使得醫生深入洞察腫瘤的免疫特性，識別出患者腫瘤免疫組成、癌癥階段、患者存活率、潛在用藥方案等，并生成個性化的治療方案！

該成果以“Multimodal AI generates virtual population for tumor microenvironment modeling”為題，發表在了Cell上。

與此同時，微軟將GigaTIME在Hugging Face、GitHub和Microsoft Foundry等平臺上開源。

鏈接：https://github.com/prov-gigatime/GigaTIME

團隊表示，該成果有望極大地推動精準免疫腫瘤學研究。

僅幾美元成本，一鍵生成腫瘤免疫數據

當前，癌癥治療已經從研究腫瘤細胞轉向了“腫瘤免疫學”。

其中重中之重，就是“腫瘤微環境”（TME），帶來了癌癥治療觀念和理念的革新。

“腫瘤微環境”，即腫瘤的生長、轉移和治療響應，并非僅由癌細胞決定，而是由其與周圍免疫細胞、基質細胞、血管、神經及信號分子動態相互作用的結果。

也就是說，科學家們從殺死癌細胞，轉向了治理滋生癌細胞的生態系統。

無論是藥物研發，還是臨床治療都依賴腫瘤微環境研究。尤其是，幾乎所有靶向療法都會面臨耐藥，TME研究是解開耐藥謎題的關鍵鑰匙。

這其中，多重免疫熒光（mIF）技術，又是解析腫瘤微環境最核心的空間成像技術之一。

它可以揭示腫瘤微環境中蛋白質表達的關鍵信息，幫助醫生判斷免疫細胞是否積極對抗癌細胞。

但mIF不僅價格昂貴，且非常耗時。僅僅一個樣本花費數千美元，耗時數天，導致難以在臨床推廣。

研究人員絞盡腦汁：有沒有什么低成本的方式，實現患者腫瘤免疫研究？

于是微軟聯合華盛頓大學研究團隊，以及普羅維登斯醫療機構，共同開發了

GigaTIME模型。

它僅僅用標準病理學切片（H&E），一鍵生成高分辨率的mIF數據。

圖： GigaTIME工作流示意圖

要知道，病理切片已成為癌癥治療中常規手段，每張售價僅5至10美元，有望極大地節省了腫瘤免疫研究成本。

首先，研究人員整理了清洗了大量數據，該數據集包含4000萬個細胞，配對的病理學切片和mIF圖像，跨21個蛋白質通道。

基于這些珍貴的數據集訓練了GigaTIME模型，只需輸入一張新的、從未見過的H&E切片，就能在幾秒鐘內預測并生成對應的高分辨率虛擬mIF圖像，展示多種免疫細胞在腫瘤中的空間分布。

隨后，研究團隊將GigaTIME應用于普羅維登斯醫療系統內51家醫院和1000多家診所中14,256名癌癥患者的病理樣本。

最終，生成了覆蓋24種癌癥類型和306種亞型的約30萬張虛擬mIF切片，從而構建了一個大規模、多樣化的虛擬數據。

等于說，GigaTIME實現對數十種癌癥類型和數百種亞型腫瘤微環境的群體尺度分析。

未來展望：變革癌癥診療方式

微軟稱，這是歷史上首個大規模的多模態AI用于生成腫瘤微環境數據的模型。

那么問題來了，耗費大量的時間進行建模，生成一堆mIF數據有什么好處？

研究人員表示，它將極大地推動精準免疫腫瘤學的發展。

例如，該模型能夠從種群尺度上預測關鍵生物標志物，實現精準腫瘤分診。

利用這個龐大的虛擬數據集，研究人員發現了1,234個具有統計學顯著性的新關聯，揭示了不同蛋白質表達與臨床生物標志物（如基因突變、腫瘤突變負荷等）之間的關系，這些發現往往因成本限制而難以實現。

圖：GigaTIME識別出泛癌、癌癥類型、癌癥亞型等層面上TIME蛋白與

不僅如此，研究人員還10,200名患者上進行了獨立的外部驗證，將癌癥基因組圖譜（TCGA）數據集與生成虛擬mIF相比較。

最終觀察到顯著一致性，癌癥亞型間虛擬蛋白激活的Spearman相關系數為0.88。

也就是說，生成的虛擬數據與真實世界數據高度一致，證明了其可靠性和普適性。

也就是說，科學家們和醫生有望精準地識別出患者腫瘤免疫組成、癌癥階段、患者存活率、潛在用藥方案等......

不止如此，團隊還有一個更大的目標——構建強大的“虛擬患者”。

未來，它可以融合患者個人的病理、基因組、影像學等多維度數據，構建個性化的患者“數字孿生”模型，用于預測疾病進展和治療反應，變革臨床診療一刀切的方式。

它將極大地協助藥物研究，從而降低當前將新癌癥治療推向市場所需的巨大成本和時間。