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
AI+科研周报｜组学与单细胞AI新进展
本期覆盖时间：2026.04.29-2026.05.12封面图：AI 生成｜组学与单细胞 AI 主题配图本期周二栏目继续聚焦“组学与单细胞 AI”。这两周的文章有一个很明显的变化：AI 不再只是给组学表格做分类，而是在尝试改写数据进入科研问题的方式。最值得注意的是，空间组学和病理图像开始更紧地接在一起。Path2Space 用病理切片预测空间基因表达，把昂贵的空间转录组实验转成可以在大队列里扩展的推断流程。这对做组织结构、炎症微环境、肿瘤微环境或口腔组织空间异质性的人，启发很直接：图像不只是配图，它可能成
AI医疗平台对比测评
在人工智能 AI 技术持续加速的背景下，医疗体系正在迎来一轮明显的升级与转型。无论是疾病诊断还是个性化方案制定，从影像解读到健康管理，AI正逐步成为医生的 超级助手 ，在部分任务上甚至展现出对人类的超越。面对市场上不断出现的AI医疗工具，医疗机构、从业医生以及普通患者都在思考：究竟要如何挑选最贴合自身需求的AI医疗平台。本文把目前市面上的6款主流AI医疗工具放在同一框架下做深度横向评测，内容包括功能表现、主要优势、潜在不足以及对应的应用场景，并附上一份综合对比表，帮助读者更清楚地看见各工具的侧重点与差异。
罗氏拟7.5亿美元收购PathAI
罗氏方面同意以收购方式引入美国数字病理公司PathAI。根据安排，本次交易将先行支付7.5亿美元，随后还将根据业绩表现最多追加3亿美元的里程碑款项。双方预计在2026年下半年完成交割。交割后，PathAI会并入罗氏诊断业务体系。其AISightIMS软件也将支持在数字病理实验室中嵌入人工智能分析能力。
病理AI里的监督信息到底在干嘛？从标签到Nature复现与Onekey流程
所谓“监督学习”，关键在于用标签来牵引模型进行学习。在病理图像的场景里，标签通常可以涵盖：组织来源：例如正常肺组织、肺腺癌（LUAD）、肺鳞癌（LUSC）基因改变情况：如EGFR突变型与野生型、TP53突变型与野生型等临床结局：复发/不复发、风险高/风险低因此，所谓监督信息，本质上就是这些标签。放到病理AI的训练链路中，它并不是让模型随意去“看”，而是把明确指令告诉它：这个 patch（病理切片小块）来自某个带有已知标签的病例。病理的输入通常是全视野数字切片（WSI），规模极大（常见达到10,000×10
10个AI模型读片评估HER2：乳腺癌病理的“默契”与“分歧”
在精准医学不断推进的今天，HER2的表达已经不再局限于简单的“阳性/阴性”二元判断。伴随抗体药物偶联物的快速问世，HER2低表达甚至极低表达的患者也被纳入靶向治疗的适用范围。与此同时，这种更精细的分层让病理评估面临新的难题：膜上染色往往只呈现出极其细微的差别，而这些细节可能直接影响患者能否获得新型靶向疗法。更关键的是，即便病理学家遵循统一的ASCO-CAP指南，在HER2低表达区域的判读上仍会出现明显的个人差异。于是，人工智能能否成为那只冷静、客观、可重复的“第三只眼”，就成了令人期待也值得检验的问题。近
构建AI辅助病理图像标注的标准化体系
病理诊断在疾病确诊中占据核心位置，是制定临床决策的关键依据。在现代临床操作中，数字病理学扮演着不可或缺的角色，并逐渐成为实验室环境下的必备技术。全玻片成像技术的问世，让病理学家能更便捷地管理数字切片图像，并将其共享用于临床及非临床研究。与此同时，机器学习的突飞猛进促成了人工智能（AI）与数字病理学的深度融合，这开启了过去仅存在于放射学和心脏病学领域的基于图像的诊断新可能[1]。在数字病理范畴内，AI技术的迅猛进步给病理图像分析带来了颠覆性变革。AI模型在病理学的发展历程显示出清晰的技术演进路线，深刻重塑了
AI医疗发展全景
1.1 AI技术发展脉络1.1.1 AI演进历程自1956年人工智能（Artificial Intelligence, AI）概念被提出以来，领域内陆续涌现出一批备受关注的研究突破。人工智能早期的进展显著提高了人们对其的期待，但受限于当时的技术水平，许多充满想象力的目标仍难以真正落地。1974~1980年以及1987~1993年，人工智能先后进入两段相对低谷期，不过这一阶段仍不断出现重要成果。例如20世纪70年代诞生的专家系统（Expert System，ES），可以借助人类专家的知识与经验解决相关问题，
AI技术革新代谢性肝病诊疗格局
编者按：随着AI技术日新月异，其在医疗健康领域的实践正从理论构想迈向临床应用，为疑难杂症的诊治开辟新路径。在第五届肝病创新大会上，清华大学北京清华长庚医院魏来教授全面解析了人工智能在代谢功能障碍相关脂肪性肝病（MASLD）及其炎症亚型（MASH）领域的研究前沿，着重探讨了数字化病理诊断的重大突破、政策导向及未来趋势。人工智能医疗概述与发展政策人工智能作为计算机科学的重要分支，包含机器学习、深度学习等核心技术。近年，以ChatGPT为代表的大模型技术风靡全球，标志着AI真正融入大众日常。而“OpenClaw
东华医为AI系统助力三甲医院提质增效
近期，东华医为科技有限公司（简称“东华医为”）全新发布的智能病理系统在西南医科大学附属医院（简称“西南医大附院”）顺利落地。该系统深度结合了人工智能技术，有力保障了医院每年17万份病理报告的高效生成，从而促进了病理业务流程的优化及诊断水平的进步。系统升级重点：锁定核心业务，达成一体化智能协作此次升级针对医院病理科的核心业务场景进行了深度重构与能力增强，系统聚焦组织病理、细胞病理、分子病理三大领域，全方位提升诊断效率、质控水平及科室管理能力。升级亮点一在于核心诊断能力的全面增强，以支撑精准诊疗。系统覆盖了组