【文献分享】Hetairos：基于组织病理学预测中枢神经系统肿瘤甲基化亚型的AI模型

文章介绍

中枢神经系统（CNS）肿瘤的精准诊断是神经病理学中最具挑战性的领域之一。2021年世界卫生组织（WHO） CNS肿瘤分类共区分108种亚型，其中大量亚型的准确诊断高度依赖DNA甲基化谱分析——这一技术已被证明在预后分层上优于传统分类系统。然而，甲基化分析需要昂贵的专用设备（如Illumina EPIC芯片）、大量的肿瘤组织（立体定向活检样本常难以满足）、以及约2周的周转时间，这使得全球大部分地区的患者无法享受到这一精准诊断红利。与此同时，常规H&E染色病理切片虽然形态学信息有限、难以单独确诊绝大多数CNS肿瘤亚型，但H&E切片在全球范围内广泛可及、成本低廉、制备简便，是组织病理诊断的第一道门槛。如何利用人工智能从H&E切片中“读取”甲基化水平的诊断信息，成为一个极具转化价值的科学问题。

为填补这一空白，由Felix Sahm和Moritz Gerstung领衔的多中心研究团队在Nature Cancer上发表了题为“Hetairos is a histology-based artificial intelligence model for predicting central nervous system tumor methylation subtypes”的研究论文，提出了一个名为Hetairos（希腊语“同伴”）的AI模型，旨在从数字化H&E切片中预测102种CNS肿瘤甲基化亚型。

Hetairos的研发和验证规模在该领域前所未有。研究者汇集了来自四大洲11个中心的9,606例患者、超过11,000张H&E切片，构建了涵盖全谱系CNS肿瘤的训练和验证队列。其中，海德堡大学医院（UKHD）内部数据集包含6,115张切片（4,961例患者），覆盖102种亚型和34个超家族（superfamily），是迄今为止最大的CNS肿瘤组织病理学-甲基化配对数据集。模型架构采用Prov-GigaPath病理学基础模型提取切片块（tile）特征（每张切片被切分为约128×128μm的非重叠块，每个块提取1,536维特征），随后通过改进的TransMIL多实例学习聚合器将块级特征融合为切片级表示，最终输出102个亚型的概率分布。关键设计包括：（1）患者年龄和解剖位置可被编码为辅助特征提升性能；（2）通过对比学习损失在潜在空间中构建每个肿瘤类别的“特征模板”，拉近同类样本、推开异类样本；（3）采用深度集成（10个独立训练的聚合器）提升预测稳健性和校准性；（4）生成预测热图直观显示切片中最具诊断信息价值的区域。

在内部验证集（1,102张切片）上，Hetairos的最高预测（top-1）准确率为75%，前三预测（top-3）准确率达87%。更重要的是，模型展现出优异的置信度校准——高置信度预测（占总预测70%）的准确率高达88%，且错误预测通常被赋予较低置信度，避免了“自信地误诊”。在涵盖9个外部队列（1,796张高甲基化评分切片）的验证中，top-1准确率为68%，高置信度预测准确率仍保持在87%以上，展示了跨中心、跨大洲的泛化能力。在直接与5位资深神经病理学家进行的210例盲法比较中，Hetairos的准确率达0.68，远超人类专家的0.30。前瞻性临床评估（210例连续病例）表明，Hetairos可在12分钟内完成预测（传统分子诊断需12天），且在甲基化分析结果不明确或组织样本不足（如立体定向活检）的场景下，Hetairos仍能提供可靠的诊断支持。

算法原理介绍

Hetairos的算法设计围绕“病理学基础模型特征提取 → 多实例学习聚合 → 对比学习增强 → 深度集成与置信度校准”四个核心步骤展开。

（一）切片预处理与基础模型特征提取。 每张H&E全切片图像（WSI）首先通过滞后阈值分割识别组织区域，排除墨水标记和模糊/低组织含量的区域。组织区域被切分为256×256像素（对应20×倍率下约128×128μm）的非重叠块。每个块被输入Prov-GigaPath病理学基础模型（基于ViT-G/14的视觉Transformer，经DINOv2自监督预训练），提取1,536维的稠密特征向量。每张切片由此表示为$n\times 1,536$的特征矩阵（$n$为块数）。

（二）改进的TransMIL聚合器。 由于切片块数量巨大（数千至数万），且只有部分块携带诊断信息，需要多实例学习（MIL） 框架选择性聚合。Hetairos采用改进的TransMIL架构——基于Nyström注意力（降低计算复杂度）的双层Transformer。为防止过拟合和增强局部感知，将块矩阵$H\in {\mathbb{R}}^{n\times 1536}$随机划分为$m$个子矩阵（$m=3$），每个子矩阵独立通过Transformer得到类令牌$h_i^{\text{cls}}\in {\mathbb{R}}^{512}$和加权块嵌入。最终切片嵌入$h_{\text{slide}}=[h_1^{\text{cls}},\dots ,h_m^{\text{cls}}]\in {\mathbb{R}}^{m\times 512}$用于全局预测，而每个子矩阵的类令牌也通过独立MLP进行局部预测，两者共享标签并强制一致性。可选的患者年龄（32维正弦编码）和解剖位置（独热编码）与类令牌拼接后输入输出MLP。

（三）对比学习特征模板。 为进一步增强类间区分度，Hetairos在潜在空间为每个肿瘤类别维护一个指数移动平均（EMA）特征模板$Z_k$。每个样本的表示特征$z_i$（子矩阵块嵌入的均值）与其对应类模板的余弦相似度被最大化，同时与异类模板的相似度被最小化（边际$ϵ=0.2$）。对比损失${\mathcal{L}}_{\text{cl}}$与交叉熵损失加权联合优化（$\beta =20$），促使同类样本在嵌入空间中聚集、异类分散。

（四）深度集成与置信度评估。 推理阶段，10个不同随机种子初始化的聚合器独立预测，输出概率取均值作为最终预测。深度集成不仅提升了对罕见类的预测性能，还改善了概率校准——使模型输出的“置信度”（最高预测概率）与真实准确率高度匹配，为临床决策提供可靠的不确定性估计。训练中还采用Mixup数据增强（在特征空间混合不同样本的块嵌入）进一步缓解过拟合。

总结

Hetairos是一个基于组织病理学预测中枢神经系统肿瘤甲基化亚型的AI模型，通过在大规模多中心数据集（9,606例患者、11,000余张切片）上训练，从常规H&E切片中直接预测102种WHO 2021分类定义的CNS肿瘤亚型。其核心创新在于：利用病理学基础模型提取形态学特征，通过改进的多实例学习聚合器和对比学习实现精准的切片级分类，同时生成高置信度的概率校准和可解释的预测热图。Hetairos在内部和外部验证中均展现出优异的诊断性能，超越资深神经病理学家，并将诊断周转时间从12天缩短至12分钟。该模型在分子检测不可及、样本不足或甲基化结果不明确的场景下具有重要的辅助诊断价值，为全球范围内CNS肿瘤精准诊断的普及化提供了可扩展的AI解决方案。