编辑丨王多鱼 排版丨水成文 空间量化是大多数计算病理学任务中的关键步骤，从引导病理学家关注临床感兴趣的区域到发现新型生物标志物背后的组织表型。为了规避人工标注的需求，现 代计算病理学方法更倾向于采用多示例学习方法，这些方法能够准确预测整张切片图像的标签，但这会以丧失空间感知能力为代价。 2025 年 11 月 19 日，西安交通大学 李辰 教授、 龚铁梁 副教授联合英国 剑桥大学的研究人员 （ 高泽宇 博士为论文第一作者 ） ， 在 Nature 子刊 Nature Cancer 上发表了题为： SMMILe enables accurate spatial quantification in digital pathology using multiple-instance learning 的研究论文。 该研究开发了全球首个可实现大规模肿瘤筛查及细粒度量化诊断的 AI 病理模型—— SMMILe ，SMMILe 能够在仅使用简化"病人级诊断标签"的情况下，实现对 全玻片病灶进行精确空间量化，打破了传统弱监督算法"重分类、轻定位"的局限，在无需昂贵人工标注的条件下，能够像绘制地图一样，自动推断出肿瘤在组织 ...