想象一下，你正从一座高塔俯瞰一座城市。从这个高度，你可以看到街道的形状、建筑物的密度，以及社区是如何组织的。仅凭布局，你就能分辨出繁华的市中心还是安静的郊区。现在，想象这座城市里的每一栋建筑实际上都是一个活生生的细胞，而街道则是人体组织。一个多世纪以来，医生们一直攀登着这座高塔，利用显微镜观察这些“城市”（组织），以诊断癌症等疾病。他们称之为组织病理学。这就像是在阅读一张城市的地图，以了解内部正在发生什么。

但转折在于：城市的布局并非随机生成的。它是根据每一栋建筑内部“蓝图”的无形规则建造的——即 DNA。当 DNA 受损或发生突变时，它会改变建筑的建造方式、它们相互交流的方式以及社区的发展方式。长期以来，科学家们认为必须进入每一栋建筑内部去阅读那些蓝图（使用昂贵的 DNA 测序）才能了解出了什么问题。但如果城市的形状本身就能告诉你关于蓝图的一切呢？如果通过观察地图，你就能准确知道哪些基因出了问题，而无需踏入任何一栋建筑呢？这就是这篇论文所探讨的核心问题：肿瘤的视觉“形状”能否揭示其遗传秘密？

论文：《Fuji》——连接形状与代码的翻译官

在这项研究中，一个研究团队介绍了一种他们称为 Fuji 的新型人工智能模型。请不要仅仅把 Fuji 看作是一个图像识别器，而要把它看作是一个超级聪明的翻译官，它学会了同时使用两种语言：图像的语言（肿瘤在显微镜下看起来是什么样的）和代码的语言（细胞内的 DNA 突变和 RNA 信息）。

通常，训练用于医学图像的 AI 模型就像是只学习识别地标的游客。它们可以辨认出“这看起来像肺”或“这看起来像肿瘤”，但它们并不理解肿瘤为什么呈现这种形态。它们将图片仅仅视为一张漂亮的图像。Fuji 则不同。研究人员教会了它观察图像并立即追问：“什么样的遗传代码导致了这种特定的形状？”

为了实现这一点，他们不仅向 Fuji 展示了图片，还为它喂养了一个庞大的库：60,546 幅全切片图像（高分辨率的组织样本数字照片），并将每一张图像都与其对应的遗传数据配对：45,675 份 RNA 图谱（告诉我们哪些基因正在活跃）和 22,683 份全基因组序列（完整的 DNA 代码）。这就像是给 AI 一百万本教科书，每一页的左侧都有一张城市的照片，而右侧则是该城市建造的精确蓝图。

Fuji 如何“看见”基因

研究人员使用了一种巧妙的两步训练法，就像一位大师教徒弟一样。

1. 第一步（味觉测试）： 首先，他们教 Fuji 识别组织的“基本风味”。他们使用了另外两个强大的 AI 模型（GigaPath 和 CHIEF）作为“老师”。Fuji 学习观察组织并匹配视觉模式，即使这些组织是以两种不同的方式制备的：一些是用化学物质保存的（FFPE，医院的标准做法），另一些是冷冻新鲜的（fresh-frozen，用于研究）。Fuji 学会了忽略组织保存方式带来的差异，转而专注于细胞的真实形状。这至关重要，因为这意味着 Fuji 可以处理医生日常使用的载玻片。
2. 第二步（深度探索）： 接下来，他们挑战 Fuji 去将形状与代码联系起来。他们同时给了它三个任务：
   • 重建图像： 如果隐藏图像的一部分，Fuji 能猜出它原本的样子吗？这让它保持对细节的敏锐观察。
   • 重建 RNA： Fuji 能通过观察形状来猜测 RNA 信息在说什么吗？这建立了视觉与分子活动之间的联系。
   • 解码突变： Fuji 能通过观察形状来猜出存在哪些特定的遗传“笔误”（突变）吗？这是最神奇的魔术。

Fuji 有何发现

经过训练后，Fuji 证明了肿瘤的“形状”确实是其遗传代码的直接反映。研究人员发现，Fuji 能够以惊人的准确度预测复杂的遗传状态，其表现往往优于以往所有的 AI 模型。

• “不稳定性”侦探： 团队测试了 Fuji 是否能发现肿瘤 DNA 崩溃的情况。他们寻找了四种特定类型的遗传混乱：微卫星不稳定 (MSI)、染色体不稳定性 (CIN)、同源重组缺陷 (HRD) 和 全基因组倍增 (WGD)。Fuji 在这些方面的准确度（AUC）高达 0.98。换句话说，如果人类专家有 80% 的把握，Fuji 则有 98% 的把握。它仅凭观察组织切片，就能分辨出基因组是稳定的还是混乱的。
• “额外的” DNA： 最令人兴奋的发现之一是关于染色体外 DNA (ecDNA) 的。这是一种奇特的、在正常染色体之外漂浮的圆形 DNA，它会让癌症生长得极快。通常，你需要昂贵且复杂的检测才能找到它。然而，Fuji 却学会了识别 ecDNA 在组织结构上留下的独特“足迹”。在低级别胶质瘤和子宫内膜癌患者中，由 Fuji 从切片中预测出的这些“隐形 DNA 圆圈”的存在，是患者预后较差的一个强烈信号。
• “吸烟”与“修复”特征： 研究人员还询问：Fuji 能否分辨出肿瘤是由吸烟引起的，还是由 DNA 修复系统故障引起的？他们发现，烟草相关的突变和 错配修复缺陷会在组织架构上留下独特的、局部的痕迹。这就像吸烟在城市墙壁上留下了一种特定的烟灰，而 Fuji 可以精准地指出烟灰所在的位置。这些模式非常清晰，以至于 Fuji 能在完全不同的患者群体中发现它们，证明了这种模式是真实的，而非偶然。
• 预测未来： Fuji 不仅观察过去，它还观察未来。该模型可以预测肿瘤突变负荷 (TMB)（肿瘤有多少突变）和新抗原负荷（肿瘤对免疫系统的可见程度）。更重要的是，在小规模的肺癌患者群体中，Fuji 对谁会对免疫治疗产生反应的预测优于其他模型。这表明，肿瘤的形状包含了关于免疫系统能否与之抗争的线索。

为什么这很重要

Fuji 最重要的特点在于它可以在医生现有的载玻片上运行。世界上大多数癌症患者使用的是标准的（FFPE）载玻片，这种载玻片是通过化学方法保存的。以前的 AI 模型很难将这些标准载玻片与遗传数据联系起来，因为遗传数据通常来自新鲜冷冻样本。Fuji 通过学习忽略载玻片的“化学气味”，转而专注于“城市布局”，解决了这个问题。

作者指出，这可能会改变癌症的治疗方式。医生可能不再需要等待数天或数周来进行昂贵的遗传检测，而是可以利用 Fuji 在几分钟内通过常规显微镜切片获得一份“基因组报告”。它可以帮助决定哪些患者需要靶向药物，哪些人可能对免疫治疗有反应，以及哪些人的风险更高，而无需先进行 DNA 测序。

当然，论文谨慎地指出，这是一个“概念验证”。虽然结果强大且在不同数据集间保持一致，但关于免疫治疗的预测是基于一小组患者，需要在更大规模的现实临床试验中进行测试，才能让医生真正依赖它们。但核心理念——即肿瘤的视觉形状是其遗传代码的可读地图——似乎是一个坚实的发现。Fuji 已经向我们展示了，只要观察得足够仔细，你就能读懂城市的蓝图。