Nat. Mach. Intell. | VirtualMultiplexer：将H&E图像转换为虚...

主要观点总结

研究团队开发了一种名为VirtualMultiplexer的工具，这是一种基于生成式人工智能的虚拟多重染色工具包，用于加速组织病理学工作流程。该工具无需图像配准和大量专家标注，就能够将H染色图像转化为多个IHC染色图像，并在多个癌症类型和数据集上验证了其有效性和泛化能力。研究表明，使用虚拟多重染色数据训练的模型在预测临床相关终点方面表现出更高的性能。此外，该工具还有助于数据修复、样本推补、标准化IHC标记物面板等方面，具有广泛的应用前景。

关键观点总结

关键观点1: VirtualMultiplexer是一种基于生成式人工智能的虚拟多重染色工具包，可将H染色图像转化为多个IHC染色图像。

该工具基于多尺度架构结合生物先验信息，确保在细胞、邻域和全图像范围内的生物一致性。其性能在多个数据集上得到验证，包括不同分布的前列腺癌队列、PDAC TMA队列以及结直肠癌和乳腺癌的WSI图像。

关键观点2: VirtualMultiplexer在专家眼中与真实IHC染色图像无法区分，染色质量相当或优于真实图像。

生成的虚拟染色图像支持训练早期融合的GT模型，并在多个数据集上提高了临床终点的预测性能。

关键观点3: VirtualMultiplexer具有广泛的应用前景，可用于数据修复、样本推补、标准化IHC标记物面板等方面。

此外，它还有助于在不同实验室之间生成统一且全面的患者队列，支持AI辅助病理学中的基础模型开发和空间生物学的发展。