1
0这项研究介绍了一种利用人工智能分析常规H&E染色切片来预测前列腺癌分子亚型（如 PAM50 和 PSC）的新方法。研究人员开发了名为 UNIv2-MIL 的深度学习框架，其预测准确率显著优于传统基准模型。通过计算分析，该模型能够识别出与特定基因表达相关的组织形态特征，将病理学表现与肿瘤生物学联系起来。临床验证表明，模型预测的管腔型（Luminal）评分与患者对激素治疗的良好反应以及不良病理特征密切相关。这一技术突破有望降低分子检测的成本和时间成本，为前列腺癌的精准医疗和风险分层提供更便捷的数字化手段。
References:
Nateghi R, Sun A, Dang H, et al. Prediction of molecular subtypes from histology: AI-driven analysis of prostate cancer morphological patterns and therapeutic implications[J]. npj Precision Oncology, 2026.
