HistoPrism：从全癌种组织学图像预测基因表达以实现功能通路分析
机器学习
2026-02-10 v3
摘要
从 H&E 组织学图像预测空间基因表达提供了一种可扩展且临床可及的替代方案，但要实现临床价值，需构建能跨癌种泛化并捕捉生物学一致信号的模型。现有工作常仅限于单种癌种场景，采用方差为评估指标，忽略了功能相关性。我们提出 HistoPrism，这是一个高效的基于Transformer的全癌种基因表达预测架构。为评估生物学意义，我们引入了通路级别基准，将评估从孤立的基因水平方差转向连贯的功能通路。HistoPrism不仅在高度变异基因上超越了先前的SOTA模型，更重要的是在通路级别预测上取得显著提升，证明其能够恢复生物学连贯的转录组模式。凭借强大的全癌种泛化能力和 improved 效率，HistoPrism建立了从常规可用组织学图像进行临床相关转录组建模的新标准。
引用
@article{arxiv.2601.21560,
title = {HistoPrism: Unlocking Functional Pathway Analysis from Pan-Cancer Histology via Gene Expression Prediction},
author = {Susu Hu and Qinghe Zeng and Nithya Bhasker and Jakob Nikolas Kather and Stefanie Speidel},
journal= {arXiv preprint arXiv:2601.21560},
year = {2026}
}
备注
Accepted at ICLR 2026. Camera-ready version