图 HistoCell算法框架（a）及其对肿瘤病理影像相关细胞类型信息的预测精度（b）

　　在国家自然科学基金项目（批准号：T2341008）等资助下，清华大学北京市中医药交叉研究所李梢教授课题组，在智能解析中西医病理影像微观信息，促进肿瘤精准防治方面取得研究进展。研究成果以“系统推断组织病理图像中的超分辨率细胞空间分布谱（Systematic inference of super-resolution cell spatial profiles from histology images）”为题，于2025年2月21日在线发表在《自然·通讯》（Nature Communications）杂志上，论文链接：https://www.nature.com/articles/s41467-025-57072-6。

　　通过人工智能算法解码病理影像特征与临床宏观表型、微观细胞信息之间的关联性，揭示肿瘤等复杂疾病的中西医诊疗规律，是当前医学影像领域的研究热点。本研究提出了一种基于弱监督学习框架的病理影像-细胞网络关系推断新算法——HistoCell。该算法通过全面表征病理形态特征与空间拓扑特征，结合嵌入细胞水平的层次化编码规律，在单细胞尺度上实了现病理微观信息空间关联网络识别，拓展了病理影像相关微观信息的解析范围。研究团队将HistoCell算法应用于胃癌早期预警、乳腺癌等预后风险分析以及肿瘤化疗药物响应预测等多个临床诊疗场景，验证了其在中西医影像组学数据挖掘及促进复杂疾病精准防治方面的应用潜能。