Nature Communications | 清华李梢团队突破中西医宏、微观关联推断难题，提出新算...

主要观点总结

本文介绍了肿瘤等复杂疾病发生发展与药物干预的复杂性，以及如何利用病理影像进行临床诊断和治疗。重点介绍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，该算法能够显著提升了病理影像相关细胞信息的预测精度，并应用于发现胃癌等多种肿瘤的诊疗标志物，对于智能解析中西医的系统生物学基础、促进肿瘤精准防治具有重要意义。

关键观点总结

关键观点1: 文章背景及研究重点

介绍了肿瘤等复杂疾病的宏观与微观信息关联是中西医学及人工智能关注的重点。当前生物医学研究进入AI时代，如何建立高精度的AI算法以揭示肿瘤等复杂疾病的中西医诊疗规律是前沿热点。

关键观点2: HistoCell算法介绍

HistoCell是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，能够显著提升了病理影像相关细胞信息的预测精度，并首次在单细胞尺度上实现病理影像微观信息空间关联网络的从头推断。

关键观点3: HistoCell算法的应用与优势

HistoCell算法被广泛应用于肿瘤发生预警、预后风险分层以及药物响应预测等多个临床诊疗场景，并取得一系列重要发现。该算法具有预测精度高、训练效率高的显著优势，为解决当前医学人工智能研究中的小样本训练数据难题提供了重要突破口。

关键观点4: 研究团队及资助情况

研究团队包括清华大学北京市中医药交叉研究所所长、欧洲科学与艺术院院士李梢课题组。该研究得到多个基金项目的资助。