近日，我中心高性能计算部的科研人员基于前期研究基础，提出了一种基于深度学习的多尺度病理图像MSI预测方法：MSIscope。该方法以Transformer架构为基础，针对病理图像的多尺度特性和MSI的特定病理特征，设计了感兴趣区域选择、多尺度视野扩展和多分辨率特征融合等模块，高效定位并提取关键区域特征，融合跨区域、跨尺度的上下文信息，克服了现有方法的局限性。实验表明，所提出的方法在泛癌数据集上表现优异，超过了现有的同类方法（AUROC达到了0.911）。此外，模型在低肿瘤纯度的病理切片中也展现出卓越的鲁棒性。MSIscope的提出能够为MSI状态的判断提供新的视角，是MSIsensor等NGS-MSI 检测算法体系的有效补充。

该研究成果已被生物信息学领域的重要国际会议——IEEE International Conference on Bioinformatics & Biomedicine (BIBM,CCF B) 录用。高性能计算部在读博士生胡泰源、栾海晶为论文的共同第一作者，牛北方研究员和李瑞琳博士为论文的共同通讯作者。该研究得到了国家自然科学基金重大研究计划、中国科学院先导专项（B类）以及中国科学院计算机网络信息中心基础研究基金青年项目的联合资助。

MSIscope架构图

责任编辑：郎杨琴