An Inclusive Foundation Model for Generalizable Cytogenetics in Precision Oncology

📄 arXiv: 2505.15868v1 📥 PDF

作者: Changchun Yang, Weiqian Dai, Yilan Zhang, Siyuan Chen, Jingdong Hu, Junkai Su, Yuxuan Chen, Ao Xu, Na Li, Xin Gao, Yongguo Yu

分类: q-bio.QM, cs.AI, eess.IV

发布日期: 2025-05-21

备注: These authors contributed equally to this work: Changchun Yang, Weiqian Dai, Yilan Zhang

💡 一句话要点

CHROMA：用于精准肿瘤学中染色体核型分析的通用基础模型

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 染色体核型分析 精准肿瘤学 自监督学习 基础模型 细胞基因组学

📋 核心要点

  1. 现有染色体分析AI模型依赖大量标注数据，且缺乏跨数据集的通用性，限制了其在临床上的应用。
  2. CHROMA通过自监督学习大规模染色体图像，学习染色体异常的通用表征，提升模型泛化能力。
  3. 实验表明，CHROMA在各类染色体异常检测任务中均优于现有方法，即使在数据量少且不平衡的情况下。

📝 摘要（中文）

染色体分析对于诊断遗传疾病和指导癌症治疗决策至关重要，它通过识别体细胞克隆畸变来实现。然而，开发人工智能模型面临着染色体异常的复杂性和多样性挑战，需要大量的标注工作。同时，由于缺乏涵盖各种资源条件下的全面数据集，自动化方法仍然是特定于任务的，并且缺乏通用性。本文介绍了一种用于细胞基因组学的基础模型CHROMA，旨在通过学习染色体异常的通用表示来克服这些挑战。CHROMA通过自监督学习在超过84,000个样本（约400万张染色体图像）上进行预训练，在所有类型的异常中均优于其他方法，即使在较少的标记数据和更不平衡的数据集上进行训练也是如此。通过促进各种异常类型中不稳定性和克隆病变的全面映射，CHROMA为可靠和自动化的临床分析提供了一种可扩展且通用的解决方案，减少了专家的注释工作量，并通过早期检测罕见的基因组异常来推进精准肿瘤学，从而实现广泛的临床AI应用，并使先进的基因组分析更易于访问。

🔬 方法详解

问题定义：染色体核型分析是遗传疾病诊断和癌症治疗决策的关键步骤，但现有AI模型面临两大挑战：一是需要大量人工标注数据，成本高昂；二是模型泛化能力差，难以适应不同来源的数据集。现有方法往往针对特定任务设计，缺乏通用性，限制了其在临床上的广泛应用。

核心思路：CHROMA的核心思路是利用自监督学习，从大规模未标注的染色体图像中学习通用的染色体表征。通过这种方式，模型可以学习到染色体结构和异常模式的内在规律，从而在少量标注数据的情况下也能实现良好的性能。这种方法旨在克服数据标注的瓶颈，并提高模型的泛化能力。

技术框架：CHROMA的技术框架主要包括两个阶段：预训练阶段和微调阶段。在预训练阶段，模型使用大规模未标注的染色体图像进行自监督学习，学习通用的染色体表征。在微调阶段，模型使用少量标注数据进行微调，以适应特定的染色体异常检测任务。整体流程是先通过自监督学习获得一个强大的基础模型，然后针对具体任务进行微调，从而实现高效的染色体分析。

关键创新：CHROMA最重要的技术创新点在于其利用自监督学习构建染色体核型分析的基础模型。与传统的监督学习方法相比，自监督学习可以有效利用大规模未标注数据，从而提高模型的泛化能力和鲁棒性。此外，CHROMA的设计目标是构建一个通用的染色体分析模型，可以应用于各种染色体异常检测任务，而无需针对每个任务进行单独训练。

关键设计：CHROMA的具体实现细节未知，摘要中没有详细说明自监督学习的具体方法、网络结构、损失函数等。但可以推测，可能采用了对比学习或掩码图像建模等自监督学习技术，并设计了合适的网络结构来提取染色体图像的特征。损失函数的设计也至关重要，需要能够有效地引导模型学习到染色体结构和异常模式的内在规律。

📊 实验亮点

CHROMA在各类染色体异常检测任务中均优于现有方法，即使在较少的标记数据和更不平衡的数据集上进行训练也是如此。该模型在超过84,000个样本（约400万张染色体图像）上进行了预训练，展现了强大的泛化能力和鲁棒性。具体性能提升数据未知，但摘要强调了其在所有类型的异常中均优于其他方法。

🎯 应用场景

CHROMA在精准肿瘤学领域具有广泛的应用前景。它可以用于自动化染色体核型分析，提高诊断效率和准确性，减少人工标注的工作量。通过早期检测罕见的基因组异常，CHROMA可以帮助医生制定更精准的治疗方案，从而改善患者的预后。此外，CHROMA还可以应用于药物研发，帮助研究人员更好地理解癌症的发生发展机制。

📄 摘要（原文）

Chromosome analysis is vital for diagnosing genetic disorders and guiding cancer therapy decisions through the identification of somatic clonal aberrations. However, developing an AI model are hindered by the overwhelming complexity and diversity of chromosomal abnormalities, requiring extensive annotation efforts, while automated methods remain task-specific and lack generalizability due to the scarcity of comprehensive datasets spanning diverse resource conditions. Here, we introduce CHROMA, a foundation model for cytogenomics, designed to overcome these challenges by learning generalizable representations of chromosomal abnormalities. Pre-trained on over 84,000 specimens (~4 million chromosomal images) via self-supervised learning, CHROMA outperforms other methods across all types of abnormalities, even when trained on fewer labelled data and more imbalanced datasets. By facilitating comprehensive mapping of instability and clonal leisons across various aberration types, CHROMA offers a scalable and generalizable solution for reliable and automated clinical analysis, reducing the annotation workload for experts and advancing precision oncology through the early detection of rare genomic abnormalities, enabling broad clinical AI applications and making advanced genomic analysis more accessible.