肿瘤微环境——这个由癌细胞、免疫细胞、基质细胞等构成的复杂生态系统，是决定癌症进展和治疗成败的关键。然而，要看清这个微观世界，医生们面临着一个两难选择：高精度的空间蛋白质组学技术能揭示细胞间的分子对话，但成本高昂、操作复杂，难以普及；而临床常规的H&E染色切片虽然随手可得，却只能显示细胞形态，无法读懂深层的分子密码。

2026年6月16日，斯坦福大学李瑞江团队在Cell 在线发表题为Cellular architecture and neighborhood-informed virtual spatial tumor profiling from histopathology的研究论文。

该研究成功打破了这一壁垒。研究团队开发了一个名为CANVAS的AI平台，能够从最普通的H&E染色病理切片中，“读取”出原本需要复杂空间蛋白质组学才能揭示的肿瘤微环境生态结构。

从1800万个细胞中提炼“空间语法”

研究的第一步是建立一个“黄金标准”。团队利用41通道的CODEX空间蛋白质组学技术，对457名非小细胞肺癌患者的肿瘤样本进行了超高精度的单细胞分析，总共绘制了超过1800万个细胞的分子图谱。从中，他们识别出10种可重复的“细胞邻近区域”——这些是肿瘤微环境中保守的空间组织单元，如同生态学中的“栖息地”，定义了不同细胞类型如何有序地组织在一起。

AI当“翻译官”：从H&E图像推断空间生态

接下来，团队利用这些海量数据训练AI模型。CANVAS平台通过多模态对齐和基于预训练模型的形态编码，学会了将H&E图像中的细胞形态、纹理和组织结构，与CODEX定义的细胞邻近区域进行关联。换句话说，AI学会了“透过现象看本质”——仅凭一张常规的病理切片，就能推断出肿瘤微环境中复杂的空间生态结构。

文章模式图（图源自Cell）

跨癌种验证：从预后到疗效预测

CANVAS的价值在临床验证中得到了充分体现。该平台成功应用于涵盖9种癌症类型的5000余名患者的H&E切片。它不仅能够进行准确的预后建模，还能对肿瘤的空间生态类型进行分层，更关键的是，它能够预测患者对免疫治疗的疗效反应。

科学意义：让空间生物学走进临床

这项研究的突破性在于，它搭建了一座连接尖端空间蛋白质组学与临床常规病理学的桥梁。CANVAS证明，通过AI的力量，我们无需每次都进行昂贵复杂的分子检测，就能从现成的、廉价的H&E切片中提取出具有临床指导价值的空间生物学信息。这为精准肿瘤学中新型空间生物标志物的发现与大规模临床转化，开辟了一条切实可行的道路。

参考消息：https://www.cell.com/cell/fulltext/S0092-8674(26)00590-8