精选理由
病理分析终于有了可规模化的 AI 方案——Atlas H&E-TME 在 H&E 图像上达到专家级精度，做肿瘤微环境研究和临床转化的团队可以直接用上这套定量工具。
Atlas H&E-TME 是一个基于 Atlas 病理基础模型的 AI 系统，能够从 H&E 染色的全切片图像中预测组织质量、区域和细胞类型，每张切片输出超过 4500 个细胞级定量指标。研究团队提出了双重验证框架：一方面利用免疫组化（IHC）信息构建多病理学家共识，作为分子层面的金标准；另一方面在超过 20 万条高置信度病理学家标注上测试，覆盖 8 种癌症类型、1500+ 病例。结果显示，Atlas H&E-TME 在 H&E 图像上的表现与病理学家相当甚至更优，且泛化能力强。这一系统将最普遍的 H&E 切片转化为可扩展的定量工具，为下一代组织生物标志物研究奠定基础。
AI 翻译 · 中文
Atlas H&E-TME 是一个基于 Atlas 病理基础模型的 AI 系统，能够从 H&E 染色的全切片图像中预测组织质量、区域和细胞类型，每张切片输出超过 4500 个细胞级定量指标。研究团队提出了双重验证框架：一方面利用免疫组化（IHC）信息构建多病理学家共识，作为分子层面的金标准；另一方面在超过 20 万条高置信度病理学家标注上测试，覆盖 8 种癌症类型、1500+ 病例。结果显示，Atlas H&E-TME 在 H&E 图像上的表现与病理学家相当甚至更优，且泛化能力强。这一系统将最普遍的 H&E 切片转化为可扩展的定量工具，为下一代组织生物标志物研究奠定基础。
Hematoxylin and eosin (H&E) staining is the cornerstone of histopathology, yet scalable, quantitative analysis of H&E whole-slide images (WSIs) remains a central challenge in computational pathology. We present Atlas H&E…