时空日报 110 期：AI 病理助力肝癌治疗及多项前沿组学研究
各位读者好，欢迎来到《时空日报》第 110 期。本期精选了 5 篇与时空技术及细胞组学紧密相关的学术文献。以下内容基于时空云平台 STOmics Cloud 的 StereoCopilot 模块自动生成概要，并经过人工复核，供您阅览参考。1AI 病理学作为肝细胞癌患者阿替利珠单抗联合贝伐珠单抗疗效的生物标志物：多中心回顾性分析Artificial intelligence-based pathology as a biomarker of sensitivity to atezolizumab-bevac
AI面部识别预测癌症预后新突破
每个人的衰老进程存在差异，脸庞特征可能蕴含着生物年龄和健康状态的重要信息。最新研究显示，FaceAge深度学习模型能够借助人脸图像评估生物年龄，有望成为癌症预后的新型生物标记。个体间衰老进程千差万别——有人显得比实际年龄年轻，有人则显得苍老。这种“表型年龄”的差异，实际上隐藏着关键的生物信息。面部特征作为最直观的衰老表现，不仅体现外在老化程度，更深层次揭示了个体生物年龄和健康状况。如果能有效解读这些信息，将可能为疾病预后评估带来全新方向。近期一项发表于JNCI的研究探讨了这一问题：FaceAge深度学习系
2026 ASCO 前瞻：AI 驱动 NSCLC 诊疗革新
从利用 AI 解读病理切片以预判免疫治疗疗效，到构建跨分期模型预测新辅助治疗反应，再到借助临床决策工具优化生物标志物检测，人工智能正深度介入非小细胞肺癌的诊疗决策链。2026 年美国临床肿瘤学会（ASCO）年会即将拉开帷幕，让我们共同关注这一顶级学术盛会中，AI 在肺癌领域带来的最新突破。基于基线 H&E 图像的 AI 衍生 CD8⁺细胞毒性 T 细胞免疫特征预测非小细胞肺癌免疫治疗对比化疗的获益：CheckMate-227（CM227）研究的盲法验证 [1]免疫治疗（IO）已重塑非小细胞肺癌（N
NeoGenomics 携八项癌检新研亮相 ASCO
知名癌症诊断方案供应商 NeoGenomics（纳斯达克代码：NEO）今日披露，将在 2026 年于芝加哥举办的美国临床肿瘤学会（ASCO）年会上，发布八篇科学摘要，重点凸显其在微小残留病灶监测、精准肿瘤医疗及真实世界数据等维度的最新突破。此次盛会定于 5 月 29 日至 6 月 2 日召开。依据官方通告，本次参展的研究课题广泛，涉及血液系统恶性肿瘤、实体瘤基因组剖析、保险覆盖盲区对二代测序技术的实际冲击，以及利用循环肿瘤 DNA 进行微小残留病检测等多个尖端领域。尤为引人注目的是，NeoGenomics
AI赋能遗传性疾病早筛与风险预测全链条解决方案
本方案遵循遗传性疾病“早发现、早干预、早防控”的基本原则，综合运用人工智能、多组学技术、区块链等先进技术，聚焦遗传性疾病筛查与预测的关键业务场景，整合基因组、表观遗传组、转录组、蛋白质组等多维度生物数据，构建“生物标志物筛选-机制解析-风险预测-精准筛查-多中心协同”全流程智能化解决方案。方案重点解决遗传性疾病新型生物标志物挖掘、发病机制解析及精准预测等核心问题，对接国家出生缺陷防控、精准医学发展相关政策要求，为医疗机构、科研机构、公共卫生部门及有遗传风险评估需求的家庭提供专业化、智能化的全链条服务，推动
渤健阿尔茨海默新药试验未成功，股价却意外攀升
尽管渤健公司公布的阿尔茨海默病实验性药物diranersen二期研究未能达到主要终点，但因生物标志物和认知改善数据的积极表现，公司仍宣布将推进至三期注册性临床开发，股价周四盘前交易中一度上涨逾10%。 二期数据喜忧参半 这项名为CELIA的二期研究共纳入416名早期阿尔茨海默病患者，评估了三种剂量的鞘内给药方案。结果显示，研究未能在第76周达到评估剂量反应关系的主要终点。 然而，在所有测试剂量下，diranersen均显示出对脑脊液tau蛋白及PET测量的tau病理指标的显著降低效果。对认知终点的预设分析
AI驱动的Path2Space模型助力空间基因表达预测
美国国家癌症研究所等机构的研究人员近日开发出一种新工具，能够直接从组织病理学切片中预测空间基因表达。空间转录组学分析正在彻底改变我们对肿瘤异质性的认识，但高昂的成本也限制了其在大规模生物标志物发现研究中的应用。美国国家癌症研究所等机构的研究人员近日开发出一种新工具，能够直接从组织病理学切片中预测空间基因表达。这项研究成果于5月8日发表在《Cell》杂志上，能够更快、更经济地确定肿瘤组织中表达的基因，从而让更多患者得到个性化癌症治疗。这个名为Path2Space的深度学习模型是在大量乳腺癌空间转录组数据上训
精准医疗AI研究报告：个性化治疗的规模化实践
📝 AI报告要点汇总个性化治疗规划与AI：精准医疗的未来蓝图 核心内容 本白皮书聚焦人工智能（AI）在精准医疗中的关键价值，重点涵盖患者数据的采集、保存、整理分类，以及结合基因与生物标志物制定个体化治疗方案。通过对多源异构数据的分析处理，AI促使医疗服务从以往较为笼统的治疗路径，逐步走向数据驱动、面向患者差异的干预模式。 主要观点 1. AI在患者数据管理中的角色 AI能够汇聚电子健康记录（EHR）、基因组测序、实验室检测、影像信息和可穿戴设备数据，形成更完整的患者健康画像。 借助自然语言处理（NLP）与
AI血液检测引爆神经疾病诊断千亿变局
数十年来，阿尔茨海默病、帕金森症等神经退行性病变的临床判定主要依托于对患者认知及运动功能的长期追踪观察。但这种传统模式遭遇严峻考验：各类神经退行性疾病初期症状高度相似，造成误诊漏诊频发。即便是专业记忆门诊，误判比例仍达25-30%，社区基层医疗机构更是超过50%。伴随全球老龄化进程加速，老年群体多重病理叠加现象日益突出，80岁以上人群约七成并存多种神经退行性病变。为破解这一临床困局，医疗领域正迎来根本性转变——由主观症状评判转向依托血液生物标志物与人工智能技术的精准分子级诊断。在此趋势下，推动尖端科研成果
ADC精准革命：AI助力患者识别新焦点
ADC疗法竞赛中，AI患者识别成关键，Tempus携手Daiichi Sankyo，AI嵌入ADC研发，病理影像与临床数据结合，智能提升。双方合作，目标明确——优化生物标志物，精确患者分层，AI驱动标志物发现，助力ADC疗效预测。Tempus利用AI革新ADC研发，实现高效、个性化，引领行业转型。为何AI标志物至关重要？ADC依赖特定人群，AI助寻靶标，优化试验设计。Tempus-First Three Co.合作，验证AI模型，优化选择，提升成功率。这对ADC策略意义重大，显示AI正从辅助工具跃升为研发