Nature Cancer
Hetairos：基于组织学的人工智能模型预测中枢神经系统肿瘤甲基化亚型

小赛推荐：

该研究为中枢神经系统肿瘤的诊断提供了一种基于常规H&E切片的高效、低成本AI辅助策略，显著缩短了分子检测等待时间，对神经病理学临床工作流优化具有直接指导意义。

 

文献概述

本文《Hetairos is a histology-based artificial intelligence model for predicting central nervous system tumor methylation subtypes》，发表于《Nature Cancer》杂志，系统探讨了如何利用人工智能从常规H&E染色切片中预测中枢神经系统（CNS）肿瘤的甲基化亚型。研究团队开发了Hetairos模型，该模型在超过9,600例患者和11,000张切片上进行了训练和验证，覆盖四大洲11个医疗中心的数据。结果显示，Hetairos在50–70%的病例中能够以高置信度进行预测，且其最高置信度预测的准确率达到0.87。与五位认证神经病理学家的对比显示，Hetairos在仅使用H&E图像的情况下表现更优（准确率0.68 vs. 0.30）。前瞻性临床评估进一步证实，Hetairos可在12分钟内生成结果，显著缩短了传统分子检测所需的12天诊断周期。

背景知识

中枢神经系统肿瘤的精准分类对预后评估和治疗决策至关重要。自2021年WHO分类更新以来，DNA甲基化谱已成为诊断多种CNS肿瘤的金标准，如高分级星形细胞瘤伴毛细胞特征（HGAP）和弥漫性胶质神经元肿瘤（DGONC）。然而，甲基化检测依赖昂贵设备、大量组织样本，并且通常需要约两周的周转时间，限制了其在全球范围内的普及。此外，立体定向活检常提供有限组织，难以满足分子检测需求。

当前甲基化检测面临三大瓶颈：成本高（约400欧元/例）、资源密集、周期长。这导致在资源有限地区，许多患者无法获得精准诊断。尽管纳米孔测序等新兴技术有望加速流程，但仍需专用仪器和新鲜组织，难以替代常规H&E染色的广泛可用性。

本研究的切入点在于：能否利用已广泛存在的H&E数字病理图像，通过人工智能模型“逆向推断”出甲基化亚型？这一策略若成功，将使甲基化级别的诊断信息在更短时间内、以更低成本获得，从而弥合诊断鸿沟。为此，作者构建了Hetairos模型，旨在从H&E图像中预测102种甲基化定义的CNS肿瘤亚型，覆盖儿童与成人全谱系肿瘤，并实现对诊断不确定或组织不足病例的辅助判断。

 

针对中枢神经系统肿瘤研究，赛业生物提供全谱系基因编辑小鼠模型服务，包括条件性敲除、点突变和人源化模型，助力构建精准疾病模型。我们提供超过2000例现货神经疾病小鼠模型，涵盖阿尔茨海默病、帕金森病、胶质瘤等多种疾病，支持快速定制与功能验证，适用于药物靶点验证与药效评估研究。

了解更多

 

研究方法与核心实验

作者构建了一个基于视觉Transformer的深度学习模型Hetairos，使用来自海德堡大学医院（UKHD）的6,115张H&E全切片图像进行训练，涵盖4,961名患者。模型输入为非重叠的256×256像素图像块，通过预训练的Prov-GigaPath模型提取特征，再结合患者年龄和肿瘤位置信息，使用改进的TransMIL模型进行聚合预测。输出为102种CNS肿瘤亚型的预测概率。模型在内部验证集（n=1,102）和来自四大洲11个中心的外部验证队列（n=5,498）中进行了评估。

关键实验包括：（1）与五位认证神经病理学家进行盲法对比，评估Hetairos在210例独立病例中的诊断性能；（2）前瞻性临床评估，将Hetairos应用于210例常规诊断流程中需分子检测的病例，比较其预测与最终整合诊断的一致性；（3）生存分析，使用MNP 2.0试验的353例患者数据，评估Hetairos预测亚型的预后价值。

关键结论与观点

• 在内部验证中，Hetairos的top-1准确率为75%，top-3准确率为87%，且高置信度（>0.5）预测的准确率高达88%。这表明模型在多数可明确诊断的病例中具有高度可靠性，可直接指导临床决策
• 在外部多中心队列中，Hetairos整体准确率为68%，但高置信度预测仍保持87%的准确率，显示其良好的泛化能力。模型置信度能反映预测可靠性，有助于识别需优先进行分子检测的病例
• 与五位神经病理学家相比，Hetairos在仅使用H&E图像时表现出显著优势（top-1准确率0.68 vs. 0.30），尤其是在处理大量精细亚型时，人类专家易陷入“诊断疲劳”，而AI能保持一致性
• 在前瞻性评估中，Hetairos在12分钟内完成分析，而传统分子检测平均需12天。高置信度预测与最终整合诊断的一致率达90.2%，证明其可大幅加速诊断流程
• 对于甲基化检测结果不确定（低置信度）或组织不足的病例，Hetairos分别正确预测了88.9%和79.2%的诊断，表明其在解决分子检测局限性方面具有重要价值
• 生存分析显示，Hetairos预测的髓母细胞瘤亚型（如WNT、SHH）和室管膜瘤亚型（如EPN_PFA、EPN_ST_ZFTA_FUS）与患者预后显著相关，证明其预测具有临床意义

研究意义与展望

该研究为中枢神经系统肿瘤的诊断提供了一种可扩展、低成本的AI辅助工具。Hetairos不仅可作为初筛工具，快速缩小鉴别诊断范围，引导后续免疫组化或分子检测，还可作为“第二意见”系统，在分子结果不确定时提供支持。其在资源有限地区的应用潜力巨大，有望实现甲基化级别诊断的全球可及性。

从科研角度看，Hetairos的成功验证了H&E图像中蕴含丰富的分子信息，未来可进一步探索其在预测其他分子标志物（如IDH突变、1p/19q共缺失）中的应用。结合多组学数据，可构建更全面的数字病理预测框架。此外，模型的热图输出可帮助识别具有诊断价值的组织区域，指导病理学家关注关键区域，提升诊断效率。

 

赛业生物提供专业的神经药效评价服务，涵盖多种神经退行性疾病模型构建、精细化注射给药及行为学实验分析。我们拥有成熟的AD、PD、HD等基因编辑模型和人源化模型，支持脑立体定位注射、鞘内注射等多种给药方式，并提供水迷宫、高架十字迷宫等行为学检测，为神经系统疾病药物研发提供一站式药效学评估解决方案。

了解更多

 

结语

本研究提出的Hetairos模型代表了中枢神经系统肿瘤诊断领域的一项重大进步。通过仅使用常规H&E切片，该AI系统能够以接近甲基化检测的精度预测102种肿瘤亚型，且在高置信度下准确率超过88%。其12分钟的快速分析能力，相较于传统12天的分子检测流程，极大地缩短了诊断等待时间，有助于患者尽早接受治疗。Hetairos不仅在诊断效率上超越人类专家，还能有效处理组织有限或分子结果不确定的复杂病例，展现出强大的临床实用性。该模型的成功应用将有助于弥合全球神经病理诊断的资源鸿沟，使更多患者受益于精准医学。未来，Hetairos有望集成到常规病理工作流中，作为诊断决策的智能助手，推动中枢神经系统肿瘤的标准化与个体化治疗。对于胶质瘤、髓母细胞瘤和室管膜瘤等需精细分型的肿瘤，Hetairos提供的快速、准确预测将成为临床照护体系的重要基石。

 

Darui Jin, Artem Shmatko, Areeba Patel, Felix Sahm, and Moritz Gerstung. Hetairos is a histology-based artificial intelligence model for predicting central nervous system tumor methylation subtypes. Nature Cancer.