医学 AI

EXAONE Path 2.5: Pathology Foundation Model with Multi-Omics Alignment

EXAONE Path 2.5：多组学对齐的病理基础模型

Juseung Yun, Sunwoo Yu, Sumin Ha, Jonghyun Kim, Janghyeon Lee, Jongseong Jang, Soonyoung Lee

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.LG、q-bio

AI总结 EXAONE Path 2.5通过多组学对齐构建病理基础模型，实现更全面的肿瘤生物学建模，展现高效率和适应性，推动精准肿瘤学发展。

SIGMMA: Hierarchical Graph-Based Multi-Scale Multi-modal Contrastive Alignment of Histopathology Image and Spatial Transcriptome

SIGMMA：基于层次图的多尺度多模态对比对齐：组织病理图像与空间转录组

Dabin Jeong, Amirhossein Vahidi, Ciro Ramírez-Suástegui, Marie Moullet, Kevin Ly, Mohammad Vali Sanian, Sebastian Birk, Yinshui Chang, Adam Boxall, Daniyal Jafree, Lloyd Steele, Vijaya Baskar MS, Muzlifah Haniffa, Mohammad Lotfollahi

机构 * Wellcome Sanger Institute（沃森桑格研究所） ； Cambridge Centre for AI in Medicine（剑桥人工智能医学中心） ； Institute of AI for Health（人工智能与健康研究所） ； Cambridge Stem Cell Institute（剑桥干细胞研究所） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV、cs.LG

AI总结 SIGMMA通过多尺度多模态对比对齐，提升组织病理图像与空间转录组的跨模态对应表示，提高基因表达预测和跨模态检索性能。

Renal Cell Carcinoma subtyping: learning from multi-resolution localization

肾细胞癌亚型分类：从多分辨率定位中学习

Mohamad Mohamad, Francesco Ponzio, Santa Di Cataldo, Damien Ambrosetti, Xavier Descombes

机构 * Université Côte d'Azur, INRIA, CNRS（法国蔚蓝海岸大学、法国国家信息与自动化技术研究所、法国国家科学研究中心） ； Department of Pathology, CHU Nice, Université Côte d'Azur（Nice医院病理部门、Nice大学） 纠错

专题命中 病理影像 ：diagnosis(abstract)；分类 cs.CV、cs.LG

AI总结 本研究提出了一种基于多分辨率特征的自监督学习方法，用于肾细胞癌亚型分类，旨在减少对标注数据集的依赖同时保持分类准确性。

Journal ref Computer Methods and Programs in Biomedicine, Volume 274, 1 February 2026, 109155

LLM-driven Knowledge Enhancement for Multimodal Cancer Survival Prediction

基于大语言模型的知识增强的多模态癌症生存预测

Chenyu Zhao, Yingxue Xu, Fengtao Zhou, Yihui Wang, Hao Chen

机构 * Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（香港科技大学计算机科学与工程系） ； Department of Chemical and Biological Engineering, The Hong Kong University of Science and Technology（香港科技大学化学与生物工程系） ； Division of Life Science, The Hong Kong University of Science and Technology（香港科技大学生命科学系） ； HKUST Shenzhen-Hong Kong Collaborative Innovation Research Institute, The Hong Kong University of Science and Technology（香港科技大学深圳-香港协同创新研究院） ； State Key Laboratory of Nervous System Disorders, The Hong Kong University of Science and Technology（香港科技大学神经系统疾病国家重点实验室） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 本文提出KEMM模型，通过整合专家报告和预后背景知识，利用知识增强的跨模态注意力模块提升癌症生存预测性能。

CAPRMIL: Context-Aware Patch Representations for Multiple Instance Learning

基于上下文的补丁表示用于多实例学习

Andreas Lolos, Theofilos Christodoulou, Aris L. Moustakas, Stergios Christodoulidis, Maria Vakalopoulou

机构 * National and Kapodistrian University of Athens（希腊国家与卡波迪斯蒂亚纳大学） ； Archimedes, Athena Research Center（阿提卡研究中心） ； MICS Laboratory, CentraleSupélec, Université Paris-Saclay（中央超导实验室，巴黎萨克雷大学） ； IHU PRISM, National Center for Precision Medicine in Oncology, Gustave Roussy（IHU PRISM，国家精准医学在肿瘤学中的研究中心，格斯塔夫·鲁西医院） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 CAPRMIL通过上下文感知的补丁表示替代复杂池化，提升多实例学习在病理分析中的性能与效率

Comments 24 pages, 12 Figures, 4 Tables

Masked Omics Modeling for Multimodal Representation Learning across Histopathology and Molecular Profiles

掩码组学建模用于病理学与分子特征的多模态表示学习

Lucas Robinet, Ahmad Berjaoui, Elizabeth Cohen-Jonathan Moyal

机构 * Oncopole（奥恩波尔） ； IRT Saint Exupéry（国际研究与技术圣埃克苏佩里） ； INSERM Cancer Research Center of Toulouse（里沃利癌症研究中心） ； Toulouse（图卢兹） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 MORPHEUS通过整合病理学图像和多组学数据，提出了一种多模态预训练策略，以提升癌症研究中的跨模态表示学习能力。

Macular: a multi-scale simulation platform for the retina and the primary visual system

Macular：一种多尺度模拟平台用于视网膜和初级视觉系统

Bruno Cessac, Erwan Demairy, Jérôme Emonet, Evgenia Kartsaki, Thibaud Kloczko, Côme Le Breton, Nicolas Niclausse, Selma Souihel, Jean-Luc Szpyrka, Julien Wintz

专题命中 病理影像 ：pathology(abstract)；分类 q-bio

AI总结 Macular是一款用于视网膜和初级视觉系统的多尺度模拟平台，提供图形界面支持，允许用户无需编程即可测试视觉系统假设。

Comments 25 pages, 3 figures