Nat Methods | 李梢團隊基于宏微觀跨層次關聯規律，建立中西醫影像-分子網絡關系推斷的統一AI模型

理解人體復雜系統宏觀信息與微觀信息之間的跨層次關聯規律，是中西醫學面臨的共性關鍵科學問題，對目前人工智能、系統生物學、網絡藥理學等前沿學科的發展也提出了重要方法學挑戰。以病理圖像等為代表的影像信息，既是疾病臨床診療常用的金指標，也是耦合中西醫宏觀表型與微觀分子的關鍵中間層次。如何通過嵌入影像信息來解析中西醫宏、微觀跨層次關聯的底層規律，并構建具有普適性的人工智能模型，對于深入理解疾病發生發展與藥物干預的本質、推動中西醫臨床精準診療，具有重要科學價值和現實意義。

2026年4月24日，清華大學北京市中醫藥交叉研究所所長、歐洲科學與藝術院院士李梢課題組在Nature Methods發表了題為Systematically decoding pathological morphologies and molecular profiles with unified multimodal embedding（基于統一多模態嵌入的病理形態與分子圖譜系統解碼）的研究論文。該文系統揭示出基于影像信息的中西醫宏、微觀跨層次網絡模塊化關聯規律，創建了一套具有深度可解釋性的影像-分子跨層次網絡關系推斷統一模型，率先實現了多尺度影像與多組學信息的跨層次從頭推斷與整合，并應用于發現疾病發生發展與藥物干預的影像-分子多模態融合標志物，對于運用人工智能理解疾病宏微觀復雜關聯原理、推動中西醫智能與精準防治具有重要意義。

該研究首先在中西醫復雜體系宏、微觀關聯的本質規律發現上取得突破。該研究通過系統解析公共數據庫中4.5萬人次的臨床信息、病理影像、分子多組學及空間轉錄組數據，構建了表型-影像-分子跨層次統一嵌入表征空間，進而率先揭示出基于影像信息的宏、微觀“跨層次網絡模塊化”關聯規律：宏、微觀跨層次、跨模態數據可通過統一空間進行表征，且在該空間中形成網絡模塊化關聯結構；以網絡模塊為核心單元進行數學建模，可完成跨層次網絡關系推斷與整合。這一規律的發現，為中西醫復雜體系可解析、可計算奠定了進一步的理論基礎。

在此基礎上，該研究創建了影像-分子跨層次網絡關系推斷統一模型Multi-Embed，實現宏、微觀跨層次關聯的方法學突破（圖1）。該模型基于自監督學習框架，從跨層次數據中自主挖掘病理影像與分子特征間的復雜關聯，首次實現了多尺度病理形態與多層次分子圖譜的跨模態統一嵌入，同時兼顧了模型的可解釋性與泛化性，解決了傳統多模態模型“性能與可解釋性不可兼得”、“泛化能力弱難以適配臨床大隊列”的兩難問題。其優勢體現在三個方面：

1）精度高。模型利用統一嵌入空間中的網絡模塊化關聯先驗，解耦影像與分子信息間的耦合關系。基準測試表明，影像-分子跨層次整合精度較當前最優模型提升1.64倍；

2）泛化能力強。首次同步支持像素級、區域級、切片級等多尺度影像與基因組、轉錄組、蛋白組等多層次組學數據的聯合推斷，不僅適用于空間多組學數據，也可直接應用于大規模臨床隊列的影像-bulk分子信息整合，大幅提升了臨床轉化潛力；

3）深度可解釋。模型在設計階段即通過對網絡模塊化關聯規律的編碼，實現了跨層次特征的精準對齊與隱式融合，使推斷結果具備明確的生物學可解釋性。

尤為突出的是，模型憑借嵌入的宏微觀跨層次網絡模塊化先驗，即便僅用少量空間轉錄組樣本訓練，也能生成適用于大規模臨床數據的多模態共嵌入空間與整合模型，這為克服中醫藥領域常見的“小樣本”局限、構建面向臨床的中西醫多模態學習模型提供了重要支撐。

圖1. Multi-Embed模型框架

進而，該文深入探究了Multi-Embed模型的臨床應用價值。利用Multi-Embed模型，系統解析了跨層次網絡關鍵節點與腫瘤發生發展、藥物干預療效等臨床結局之間的關聯，發掘出一系列具有深度可解釋性的影像-分子多模態融合標志物（圖2）。

在腫瘤發生預警方面，聚焦課題組前期提出的胃癌“極早期”新分期，構建了胃炎至胃癌極早期再到早癌演進過程的影像-分子關聯網絡，揭示了其動態時空演變規律，挖掘出可預警胃癌發生的影像-分子多模態標志物，拓展了胃癌極早期病證標志物體系（圖2a）；

在預后風險分層方面，利用Multi-Embed 嵌入空間特征，本研究系統挖掘出12種腫瘤預后風險相關的影像-分子多模態標志物，并得到了外部獨立臨床數據驗證（圖2b）；

在藥物干預療效方面，本研究還應用Multi-Embed辨識出了與腫瘤治療響應相關的影像-分子融合標志物（圖2c）。這些結果展現出了Multi-Embed在中西醫智能與精準診療方面的重要價值，也為網絡藥理學驅動的腫瘤等復雜疾病防治科學發現提供了重要技術支撐。

圖2. 基于Multi-Embed的影像-分子多模態融合標志物發現：a. 腫瘤發生預警，b. 預后風險分層，c. 藥物干預療效預測。

文章進一步強調，Multi-Embed模型可拓展至涵蓋舌像、內鏡圖像等多種類型影像特征與多組學分子譜的跨層次推斷與整合，且可延伸應用于識別具有中醫特色的影像-分子融合標志物及藥物療效評價指標。這不僅為闡釋中醫望診的科學內涵提供了堅實依據，也開辟了從表型、影像到分子多層次系統解析中西醫診療規律的新途徑。

李梢課題組長期致力于從“生物網絡”這一系統的角度研究腫瘤等復雜疾病發生發展原理及藥物干預機制，通過人工智能、大數據與中西醫學交叉，創建“網絡靶標”理論與關鍵技術體系，聚焦“中西醫表型-影像-細胞-分子-中西藥物”宏、微觀關聯的系統推斷，研制了中西醫藥分子網絡導航系統——UNIQ系統，并在胃癌中西醫極早防治、中藥創新研發上取得重要應用。本研究作為UNIQ系統在中西醫人工智能前沿技術與應用上的新突破，為進一步發展網絡藥理學、系統理解復雜疾病中西醫診療規律提供了新方法。

清華大學自動化系副研究員張鵬、博士生高超飛為該文的共同第一作者，李梢院士為通訊作者。

https://www.nature.com/articles/s41592-026-03070-5

學術合作組織

（*排名不分先后）

戰略合作伙伴

（*排名不分先后）

轉載須知

【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。

BioArt

Med

Plants

人才招聘

點擊主頁推薦活動

關注更多最新活動！