基於1.4萬真實數據，華盛頓大學/微軟等提出GigaTIME，繪製全景腫瘤免疫微環境圖譜
研究背景與目標
微軟研究院、華盛頓大學與Providence Genomics組成的團隊，提出了一種名為GigaTIME的多模態人工智能框架。該框架旨在通過連接細胞形態與狀態，實現大規模群體腫瘤免疫微環境（TIME）的建模，從而解決傳統免疫熒光成像技術成本高、流程複雜且通量不足的問題。
核心技術與實現方式
- GigaTIME能夠從常規的蘇木精-伊紅（H&E）病理切片，生成虛擬的多光譜免疫熒光（mIF）圖像，無需昂貴的實驗設備。
- 該框架已應用於14,256張全切片H&E圖像，覆蓋24種癌症類型及306個亞型，數據來自51家醫院。
- 通過多模態學習技術，GigaTIME成功揭示了1234個蛋白-生物標誌物關聯，為腫瘤免疫微環境的解析提供了關鍵數據支持。
應用價值與影響
這項技術大幅降低了腫瘤免疫檢測的成本，將原本需數千美元的免疫圖譜分析，轉化為僅需5至10美元的常規切片即可完成，顯著提升了癌症研究的可及性與效率。