Nat Commun跨模态生成式AI模型PathGen基于病理图像合成转录组数据，可改善癌症分级和风险分层

2026年1月6日获悉，英国图灵研究所领导的研究团队提出了一种更适合临床落地、更具有成本效益的多模态框架，即训练跨模态生成式AI模型，从常规可用的模式（数字病理学）合成一种不可用的数据模式（转录组学），以支持病理工作流程。研究团队引入了一种可以从全切片病理图像（WSI）中合成转录组数据的跨模态生成式AI模型PathGen。利用两个公开的多模态数据集癌症基因组图谱（TCGA）和临床蛋白质组肿瘤分析联盟（CPTAC）评估显示，PathGen能够通过WSI合成转录组数据，将合成转录组数据与WSI结合可以显著提升癌症分级和风险评估性能，以高精度、高确定性和高可解释性联合预测癌症分级和患者生存风险。该研究为支持癌症诊断/预后的多模态AI模型的可持续、安全和具有成本效益的转化提供了路线图。