Nature Communications：AI工具赋予病理学家“空间超视觉”以检测隐藏癌症
QIMR Berghofer的科学家开发了一种名为STimage的AI工具，利用空间生物学分析标准组织学样本。该技术无需额外昂贵的检测，即可检测乳腺癌、皮肤癌和肾癌的隐藏遗传标记。
关于STimage的消息发表在Nature Communications上，由QIMR Berghofer的Nguyen团队完成。乍一看，这似乎只是另一篇关于“AI在医学中”的学术预印本。但如果你仔细阅读新闻稿之外的内容，并关注相关事件，一幅完全不同的图景便会浮现。这并非又一个诊断算法的故事——而是关于空间生物学如何变得几乎免费，以及谁将因此损失数十亿美元的故事。
核心：真正发生了什么
STimage是一种仅使用标准H&E染色组织学即可预测空间基因表达模式的工具。它既不需要空间测序、荧光探针，也不需要昂贵的试剂。通过训练配对的“H&E + 空间转录组学”数据，它学会了在普通形态学图像中识别分子模式——本质上是从细胞的形状和颜色中读取遗传信息。
市场将其视为“病理学家的工具”。但真正的意义更为深远：STimage将现代分子诊断中最昂贵的部分——空间分析——变成了成本仅几美分的计算。在10x Genomics的Visium平台上进行一次空间转录组学实验的成本约为6500美元（不包括测序）。而在现有H&E切片上运行STimage，每次推断成本不到一美元。这是四个数量级的差距。
Nguyen团队不仅仅是训练了另一个神经网络。他们解决了不确定性和可解释性的问题：STimage输出的不是点估计，而是每个基因在每个组织点的概率分布，并显示模型依赖哪些形态结构。这不是一个会议演示——这是一个架构解决方案，使系统适合临床验证。
时间线与背景
要理解为什么Nature Communications现在接受这项工作，可以看看空间生物学领域出版物的时间点。自2026年初以来，已有三篇里程碑式的论文发表，每篇都指向同一个点：空间生物学正在工业化。
第一篇是2026年2月Singular Genomics推出的G4X：每次运行128个样本，成本“低至数百美元”，同时检测500重RNA和18种蛋白质。Singular首席执行官Josh Stahl直接表示：“这是空间生物学的转折点——现在你可以分析队列，而不是展示实验。”在1700个样本和4亿个细胞上的验证不是学术标准，而是临床前准备。Singular显然正在准备将该平台注册为医疗设备，美国商业发布是第一步。
第二篇是QIMR Berghofer在Nature Communications上发表的STimage。第三篇是4月30日发表在Science上的一项研究，显示OpenAI o1模型在急诊诊断中优于医生。这三件事共同构成了一个基础设施三角：廉价的空间数据采集（Singular G4X）+ 从H&E进行廉价推断（STimage）+ 能够解释临床背景的通用推理模型（o1/GPT-5）。
Nguyen本人提到STimage的临床应用将在两年内实现。这似乎是合理的，因为包含三种癌症和一种自身免疫性疾病的训练集已经显示出根据生存期和治疗反应对患者进行分层的能力。
谁赢谁输
赢家：
小型医院的病理学家。他们突然获得了目前仅存在于大型学术中心的分子诊断能力。对于一家拥有200张床位、年预算1.5亿美元的医院来说，这意味着无需将切片送到参考实验室（每次检测费用3000至7000美元），即可进行需要空间信息的诊断。无需新设备——只需一台切片扫描仪和一台标准GPU服务器。
QIMR Berghofer以及Quan Nguyen副教授本人。他领导的国家空间组织与人工智能研究中心（NCSTAR）将成为这一领域的全球专业中心，该领域三年后价值将达到150亿美元。该研究所已获得ARC和NHMRC的资助，但主要资产不是金钱——而是经过Nature Communications验证的数据和模型架构。
乳腺癌、肾癌和皮肤癌患者。这三种疾病被包含在STimage的训练集中。预测治疗反应和生存期的功能使得从“诊断”转向“预后和治疗选择”成为可能。以每年约15万美元的免疫治疗疗程计算，预测药物反应的能力为医疗系统节省的费用相当于治疗本身的成本。
输家：
10x Genomics。Visium平台是空间转录组学的金标准，但每次实验需要购买价值1500至2500美元的切片并进行深度测序。如果STimage能够学会预测哪怕500个最具临床意义的基因的空间表达，那么出于诊断目的进行物理空间测序的需求将完全消失。10x Genomics在空间生物学领域的市场——2025年约为4.5亿美元——将从STimage类工具临床验证的那一刻开始萎缩。
Visiopharm、Indica Labs、Paige.AI以及其他付费数字病理学软件的开发者。他们的商业模式基于销售许可证，每个工作站年费5万至20万美元。一个在Nature Communications上发表并在公共数据集上验证的开源工具为他们创造了一个危险的先例：算法变得公开可用，价值从软件转向数据基础设施和临床验证。
病理切片扫描仪制造商（Leica、Hamamatsu、3DHISTECH）。讽刺的是，STimage增加了切片扫描的价值——但同时也降低了新制造商的进入门槛。如果关键价值不在于软件而在于数字化质量，那么扫描仪价格4万美元（相对于Leica的15万美元）的中国制造商就获得了进入市场的理由。
媒体未提及的内容
首先：Singular Genomics和STimage是同一拼图的两块，这并非巧合。Singular已投资数千万美元创建了一个生成大规模标记空间数据的平台。每次G4X运行——128个样本、500个RNA转录本、18种蛋白质——不仅是研究，更是训练STimage这类模型的燃料。Singular将“AI驱动的洞察”列为三个关键方向之一。可以预期，Singular将收购像STimage这样的开发成果，或自行创建。无论如何，“数据→训练好的AI→临床应用”模式已不再是理论构想，而是一张路线图。
其次：STimage不仅预测基因——它还预测不确定性。在临床诊断中，这意味着病理学家不仅看到“这个区域看起来像肿瘤”，还看到“模型对此有92%的置信度，但存在8%的替代方案概率”。这改变了责任范式：医生不是基于“黑箱”做出决策，而是基于透明的概率分布。FDA和EMA将要求AI工具的临床验证采用这种方法，而Nguyen团队已将其构建到架构中。
第三：推断成本是最被低估的方面。新闻稿说“低成本”，但没有给出数字。“不到一美元”的估计源于架构：该模型使用预训练编码器（CNN或病理学基础模型），在一张切片上进行推断只需通过网络一次，在GPU上成本仅为几美分。而相比空间测序，每个样本节省了数千美元。医疗首席财务官们会以不同方式看待这一点：每个可以通过计算替代的诊断测试，都会为病理科增加2至4个百分点的运营利润率。
第四，也是最重要的一点：STimage被训练用于预测基因表达，但没有什么能阻止它被训练用于预测其他任何东西——突变、微卫星不稳定性、免疫治疗反应特征。这是一个通用框架，而非狭窄工具。今天——三种癌症和一种自身免疫性疾病；明天——任何存在标记空间数据集的表型。这不是“病理学家的工具”；这是一个将组织学转变为组学技术的平台。
预测：未来30天和90天
30天（至2026年6月5日）：
QIMR Berghofer将宣布与一家主要数字病理学平台合作——最可能是Paige.AI或PathAI——将STimage集成到商业产品中。交易规模将在500万至1500万美元之间，用于某些地区的独家许可。
病理学界的反应将分为两种：学术中心将开始在自己的数据上复现结果；私人实验室将忽略它，等待临床验证。“早期采用者”和“怀疑论者”之间的分歧将加深。
90天（至2026年8月5日）：
将出现首批将STimage应用于新癌症类型的预印本——很可能是肺癌和结直肠癌。如果关键生物标志物（PD-L1、MSI）的预测准确性在临床上可接受，FDA将开始就此类工具的监管途径进行非正式磋商。
Singular Genomics、10x Genomics和NanoString将加速开发基于其独特数据集训练的AI模型。一场“创建最全面训练集”的竞赛将开始，而Singular凭借其通量具有先发优势。
关键战略预测：空间生物学市场将分裂为两个细分市场。第一个是“研究”：用于发现新生物标志物和验证假设的昂贵湿实验方法。第二个是“临床”：AI推断将标准组织学转变为计算成本的空间组学。STimage是第二个细分市场的第一个代表，但不会是最后一个。理解这一区别的投资者将开始根据公司所处的细分市场重新估值。
Nguyen和他的团队不仅创造了一个工具，还创造了一个先例。在STimage之后，每个空间生物学平台制造商都必须回答一个问题：“如果你的方法花费6500美元，而AI推断用一美元提供了80%的相同信息，你的竞争优势是什么？”目前还没有人有答案。
— Editorial Team
