HistAgent: an evidence-grounded agent for spatial molecular reasoning from routine histology
HistAgent 是一个将视觉-组学基础模型与空间 AI 智能体模块相结合的统一框架，用于从常规 H&E 组织学图像中推断、解释并检索空间分子信息，为昂贵的空间转录组学提供了一种具有成本效益且泛化性强的替代方案，同时实现了可追溯、由问题驱动的生物学分析。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。 阅读完整免责声明
在医学领域，病理学家最信任的工具是一张染有紫色和粉色染料的简单玻璃载玻片。这种被称为苏木精-伊红（H&E）染色的常规检测，能够揭示组织样本中细胞的形状和排列方式，使医生能够通过观察组织的结构来诊断癌症等疾病。然而，这种视野仅限于肉眼所能见到的范围；它无法揭示细胞用于通信和运作的具体化学信息或遗传指令。为了观察这些不可见的分子细节，科学家必须转向一种更先进且更昂贵的技术，称为空间转录组学。这种方法能在保持基因原始物理位置的同时，绘制出数千个基因的活动图谱，从而对正在运作的生物机制进行深度探索。然而，由于这种先进检测成本高昂、技术难度大，且并非每家医院都能配备，它对于许多常规诊断需求而言仍是遥不可及的。目前的挑战在于如何弥合简单的、广泛可用的染色载玻片与其中包含的复杂、隐藏的分子世界之间的鸿沟。
现在，一组研究人员开发出了一种全新的数字系统，试图通过教人工智能去阅读隐藏在标准染色载玻片中的分子故事来解决这一问题。他们将这一创造物称为 HistAgent。该系统并非仅仅猜测可能存在哪些基因，而是像一位细心的调查员，在得出结论之前先收集证据。它首先分析染色组织的一个小斑块，既观察焦点处的特定细胞，也观察周围的邻里环境，以理解其背景。基于这些视觉信息，系统会生成一份该特定位置最可能活跃的基因的排名列表，有效地将组织的图像转化为一份分子“嫌疑人”名单。
这种方法与以往尝试的不同之处在于它处理结果的方式。该系统并不只是输出一长串令人困惑的数字，而是将发现的内容组织成结构化的“证据卡”。这些卡片总结了顶层基因、存在的细胞类型以及细胞正在运行的功能程序。系统的第二部分作为一个推理代理，利用这些卡片来回答关于组织提出的特定问题。如果研究人员询问为什么某个区域看起来像是一个免疫热点，系统可以指向该区域发现的特定基因和细胞类型，以此来支持其答案。这实现了一种双向对话，用户可以深入挖掘局部环境或正在进行的生物过程，并提出后续问题，而每一个答案都直接与系统发现的视觉和分子证据相挂钩。
研究人员在涵盖数十种不同器官的人类和小鼠组织样本的大规模集合上训练了这个系统。他们使用了一个由 936 张组织切片中的 223 万个配对位点组成的开发语料库。当他们要求系统识别已知的生物学特征（例如特定的免疫结构或肿瘤类型）时，系统的表现非常精准，通常能与昂贵的直接分子检测结果相匹配。在一次涉及肾癌的具体测试中，该系统成功定位了组织内的复杂免疫结构，并通过引用其检测到的特定免疫细胞和化学信号，解释了它们的存在，且整个过程仅需几分钟，成本仅为传统方法的一小部分。
除了识别特征外，该系统还被证明具备预测患者预后的能力。通过分析整张载玻片，它可以估算肿瘤具有侵略性的可能性或患者预后不良的可能性，其表现与现有先进模型相当甚至更好。研究人员还建立了一个拥有数百万个组织位点的可搜索库，允许用户输入描述或上传新图像，以在庞大的已知组织数据库中寻找相似的分子模式。这使得简单的显微镜载玻片成为了探索人体深层分子景观的窗口，无需昂贵的专业设备即可获取高水平的生物学洞察。这项工作表明，只要使用正确的数字工具来解读证据，长期以来被视为静态图像的常规组织学可以转化为动态的分子信息来源。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。