基于可解释图学习量化病理空间微环境模式评估胃癌预后

研究团队提出名为 GTMA 的可解释深度学习框架，通过将全切片病理图像建模为空间图来量化肿瘤微环境交互，实现胃癌患者预后风险分层。该框架在 1871 例大样本队列及 TCGA-STAD 数据集（n=213）中完成验证，衍生的风险评分可为传统 TNM 分期提供互补预后信息。多组学整合分析显示，高风险评分肿瘤呈现成纤维细胞占主导且免疫排斥的特征性基质空间模式。