近日，我中心高性能計算部的科研人員基于前期研究基礎(chǔ)，提出了一種基于深度學習的多尺度病理圖像MSI預(yù)測方法：MSIscope。該方法以Transformer架構(gòu)為基礎(chǔ)，針對病理圖像的多尺度特性和MSI的特定病理特征，設(shè)計了感興趣區(qū)域選擇、多尺度視野擴展和多分辨率特征融合等模塊，高效定位并提取關(guān)鍵區(qū)域特征，融合跨區(qū)域、跨尺度的上下文信息，克服了現(xiàn)有方法的局限性。實驗表明，所提出的方法在泛癌數(shù)據(jù)集上表現(xiàn)優(yōu)異，超過了現(xiàn)有的同類方法（AUROC達到了0.911）。此外，模型在低腫瘤純度的病理切片中也展現(xiàn)出卓越的魯棒性。MSIscope的提出能夠為MSI狀態(tài)的判斷提供新的視角，是MSIsensor等NGS-MSI 檢測算法體系的有效補充。

該研究成果已被生物信息學領(lǐng)域的重要國際會議——IEEE International Conference on Bioinformatics & Biomedicine (BIBM,CCF B) 錄用。高性能計算部在讀博士生胡泰源、欒海晶為論文的共同第一作者，牛北方研究員和李瑞琳博士為論文的共同通訊作者。該研究得到了國家自然科學基金重大研究計劃、中國科學院先導專項（B類）以及中國科學院計算機網(wǎng)絡(luò)信息中心基礎(chǔ)研究基金青年項目的聯(lián)合資助。

MSIscope架構(gòu)圖

責任編輯：郎楊琴