微观组织图像一直是生物医学研究与临床诊断的基石，但其系统性评估及与其他生物数据类型的整合长期面临挑战。奥地利科学院（ÖAW）下属CeMM分子医学研究中心团队近日发布开源软件工具“LazySlide”，旨在利用人工智能技术打破数字病理学的数据孤岛，推动组织图像分析向标准化、可量化方向迈进。
当前，组织样本扫描生成的“全切片图像”虽能呈现从宏观组织到微观细胞的全景细节，却因格式封闭、工具不兼容，难以与RNA测序等分子数据有效关联。这种“数据孤岛”现象导致大量数字化病理资源在科研与临床中处于闲置状态。相比之下，基因组学与单细胞生物学已建立成熟的数据交换标准，而数字病理学仍受限于厂商私有格式，阻碍了多模态数据的深度融合。
LazySlide的核心突破在于将组织图像转化为可搜索、可量化的动态数据源。该工具通过AI模型自动识别组织中的细胞类型、结构模式及细微病变特征，无需人工标注即可实现定量分析。研究团队以动脉组织为例，成功将图像中的钙化特征与炎症信号通路直接关联，揭示了仅靠单一数据源无法发现的生物学机制。这种“零样本”分析能力大幅降低了高级图像分析技术的应用门槛。
尤为创新的是，LazySlide支持自然语言交互功能。研究人员只需输入“查找钙化区域”等指令，系统即可自动定位目标区域并生成量化评分，将视觉印象转化为可统计的科研数据。该工具设计注重与现有基因组学工作流的无缝对接，使病理图像不再是静态图片，而是可被计算生物学深度挖掘的丰富数据集。
这项发表于《Nature Methods》的研究标志着数字病理学向数据驱动范式的关键转折。对于中国医疗AI从业者而言，开源工具在打破数据壁垒、促进多组学融合方面的实践，为构建本土化病理大模型提供了重要参考，也预示着未来临床诊断将更依赖跨模态数据的智能整合。