这项研究介绍了一种名为 HistoCell 的创新型人工智能框架，旨在通过组织病理学图像直接推断单细胞水平的空间轮廓。该模型利用弱监督学习技术，结合了细胞的形态特征、空间拓扑结构以及层次化编码，能够精确预测单个细胞核的类型与状态。HistoCell 在多种癌症类型中表现出卓越的性能，其预测结果在处理复杂组织结构时甚至优于某些全监督模型。通过分析细胞的空间组织指标，该工具成功识别出了与癌症预后和化疗反应相关的生物标志物。此外，研究还证明了该方法在预测胃部病变恶性转化风险方面的临床应用潜力。总之，这一框架为深入理解肿瘤微环境和优化精准医疗提供了强有力的技术支撑。

References:

• Zhang P, Gao C, Zhang Z, et al. Systematic inference of super-resolution cell spatial profiles from histology images[J]. Nature Communications, 2025, 16(1): 1838.