人体组织的显微图像是生物医学研究和临床诊断的基石。然而，尽管它们很重要，但这些图像通常难以系统性地分析，也难以与其他类型的生物数据连接。由CeMM主要研究员André Rendeiro领导、发表在《自然·方法》上的一项新研究介绍了“LazySlide”，这是一个开源软件工具，它利用基础模型的力量，旨在使数字病理学分析民主化。
无论是发炎的动脉、扩散到肺部的肿瘤，还是器官中的细微损伤，当医生或研究人员想了解组织内部发生了什么时，最值得信赖的工具之一仍然是显微镜。如今，它们已大多数字化：单个组织样本可以被扫描成一张全切片图像，其细节程度足以让人从整个组织的鸟瞰图一直放大到单个细胞。因此，这些图像包含了来自不同尺度的组织的大量信息。
然而，这些图像巨大、复杂，且通常难以用现代数据驱动的方式进行分析。虽然遗传学和单细胞生物学已经开发出有效的方法来共享和比较数据，但数字病理学图像却难以整合——它们以专有格式存储，用不兼容的工具处理，并且难以与RNA测序等分子信息连接。因此，在许多研究和临床环境中，数字化组织图像的宝贵资源在很大程度上未被充分利用。
LazySlide是一款开源应用程序，旨在使全切片图像分析更易于访问、更具互操作性，并且能够直接接入已经驱动现代基因组学的相同计算工作流程。
从“漂亮图片”到可搜索的生物学
LazySlide使科学家能够将全切片图像分解成更小、更易管理的区域，并使用先进的AI模型进行分析。这些模型可以识别组织结构的模式，识别不同的细胞类型，并量化组织结构的细微变化，而无需大量的人工标注。
至关重要的是，该研究表明，组织图像的视觉信息可以直接与基因表达谱等分子数据相关联。在一个例子中，研究人员分析了有和没有钙化的动脉组织样本，钙化是一种与心血管疾病相关的病理过程。LazySlide不仅能够仅根据图像特征区分健康组织和病变组织，还揭示了只有在图像数据和RNA测序数据一起分析时才能显现的生物通路，例如炎症信号传导。
“组织学包含大量的生物学信息，但通常难以通过计算方式获取，”该研究的第一作者Yimin Zheng说。“通过LazySlide，我们希望提供一个工具，让研究人员能够以系统、定量的方式探索组织图像，并将他们在显微镜下看到的东西与潜在的分子过程联系起来。”
用文字搜索组织
LazySlide的一个特别创新功能是它能够将图像与自然语言连接起来。通过使用将视觉模式与文本概念联系起来的AI模型，研究人员可以提出诸如“钙化”迹象在组织样本中出现的位置等问题。然后，该软件会高亮显示相关区域并生成量化分数，将视觉印象转化为可测量的数据。
这种方法还允许所谓的“零样本”分析：LazySlide可以识别组织样本的器官来源，或区分健康和病变组织，而无需针对每项任务进行专门训练。这大大降低了在生物医学研究中应用先进图像分析方法的门槛。
一个开放且可互操作的工具
LazySlide旨在与基因组学和单细胞研究中广泛使用的现有计算生物学工具无缝集成。通过使数字病理学与这些既定工作流程更具互操作性，该软件有助于将组织成像带入数据驱动生命科学的更广泛生态系统。
“我们的目标是让全切片图像分析更易于访问，并更紧密地与研究人员每天都在使用的数据类型连接起来，”Rendeiro说。“通过将组织图像视为丰富的数据集，而不是静态图片，我们可以获得关于疾病如何塑造人类生物学的新见解。”
该研究强调，像LazySlide这样的开源、灵活的工具可以加速研究，并帮助弥合组织结构与分子功能之间的差距——这是朝着更全面理解健康和疾病迈出的重要一步。
出版信息
LazySlide：可访问且可互操作的全切片图像分析，《自然·方法》(2026)。DOI: 10.1038/s41592-026-03044-7
期刊信息：《自然·方法》
主要医学概念： 血管钙化、RNA测序、基因表达谱分析、心血管疾病
临床类别： 检验医学
来源： CeMM奥地利科学院分子医学研究中心
【全文结束】