多模态对齐提升基因组生物标志物预测的通用性——基于计算病理学的实验
定量方法
2026-03-03 v1
摘要
利用数字化组织病理学全切片图像的计算病理学模型，作为精准肿瘤学中预测基因组生物标志物的成本有效且可扩展的替代方案具有潜力。然而，随着新生物标志物的发现或量化，必须收集大规模标记数据集以训练新模型。为此，我们开发了 MARBLE（Multimodal Alignment for Robust Biomarker LEarning），一种多模态对比预训练策略，将结构化生物标志物知识整合到组织病理学图像的表征学习中。MARBLE 通过将组织病理学表征与由大型语言模型 (LLM) 和蛋白质语言模型 (PLM) 生成的基因组生物标志物表征对齐，实现生物学知识驱动的对齐，从而实现对新型、分布外生物标志物的数据高效泛化。我们采用规模超过 40,000 名患者的 MSK-IMPACT 队列，并基于实际数据设计实验，展示我们方法的价值。
引用
@article{arxiv.2603.00193,
title = {Multimodal Alignment Improves Generalizability of Genomic Biomarker Prediction in Computational Pathology},
author = {Ekaterina Redekop and Eric Zimmermann and Ava P Amini and Alex X Lu and Neil Tenenholtz and James Brian Hall and Lorin Crawford and Kristen A Severson},
journal= {arXiv preprint arXiv:2603.00193},
year = {2026}
}