1. Abstrakt i Kontekst Naukowy

Przełamywanie bariery kosztowej i przepustowościowej transkryptomiki przestrzennej (ST)

Rodzina rozwiązań STpath została zaprojektowana jako bezpośrednia odpowiedź na fundamentalne ograniczenia współczesnej diagnostyki molekularnej. Obecne techniki transkryptomiki przestrzennej (ST) charakteryzują się niską przepustowością operacyjną oraz generują bardzo wysokie koszty, co marginalizuje ich użycie w wielkoskalowej, rutynowej praktyce badawczej i klinicznej.

Koncepcja inżynieryjna STpath opiera się na wnioskowaniu molekularnym bezpośrednio z tanich, rutynowo pozyskiwanych obrazów całego szkiełka (WSI), wybarwianych standardową hematoksyliną i eozyną (H&E).

Podejście to skutecznie omija fizyczne ograniczenia laboratoryjne, przenosząc ciężar mapowania transkryptomu z drogich procedur chemicznych do zoptymalizowanego środowiska wnioskowania obliczeniowego (in silico). Pozwala to na dramatyczne przyspieszenie ukierunkowanego projektowania i analizy bez drastycznego zwiększania nakładów finansowych.

Podwójny fundament badawczy architektury (2025-2026)

Obecny stan wiedzy i rozwoju architektury STpath opiera się na połączonych wynikach dwóch kluczowych, komplementarnych względem siebie filarów badawczych z lat 2025-2026. Pierwszym z nich jest nurt analityczno-translacyjny prowadzony przez zespół badawczy Cui i wsp. (m.in. Zhining Sui, Ziyi Li, Kristina A. Matkowskyj, Ming Yu). Ich praca, "Translating Histopathology Foundation Model Embeddings into Cellular and Molecular Features for Clinical Studies", została opublikowana w marcu 2026 roku.

Drugi, równoległy filar stanowi wariant generatywny systemu, opracowany przez zespół z Yale University (m.in. Tinglin Huang, Tianyu Liu, Mehrtash Babadi, Rex Ying, Wengong Jin). Publikacja "STPath: A Generative Foundation Model for Integrating Spatial Transcriptomics and Whole Slide Images" ukazała się w formie preprintów na przełomie kwietnia 2025 i 2026 roku. Połączenie metodyk predykcyjnych i generatywnych z obu tych prac zdefiniowało obecny paradygmat działania systemu.

2. Architektura i Mechanika Rozwiązań

Ekstrakcja i synergia zaawansowanych reprezentacji wektorowych

Framework STpath (w wersji zaproponowanej przez Cui i wsp.) radykalnie optymalizuje proces przetwarzania danych – model nie przetwarza surowych pikseli od zera. Zamiast obciążać rurociąg obliczeniowy powtarzalną analizą obrazu, system podłącza się do ukrytych warstw gigantycznych, wytrenowanych wcześniej sieci i dokonuje ekstrakcji zaawansowanych reprezentacji wektorowych (embeddings). Wektorowe osadzenia pobierane są z wiodących, wyspecjalizowanych w patologii modeli wizyjnych (Foundation Models).

System z sukcesem integruje przestrzenie cech z następujących potężnych architektur:

Conch
Prov-GigaPath
UNI2-h
Virchow oraz Virchow2

Integracja reprezentacji pochodzących z tak zróżnicowanych modeli generuje mierzalne, synergiczne wzrosty wydajności. Wynika to z faktu, że wymienione sieci wizyjne charakteryzują się niską redundancją informacyjną – każda z nich w trakcie samodzielnego pre-treningu nauczyła się rozpoznawać i priorytetyzować inne, unikalne aspekty biologii tkankowej.

Wdrożenie XGBoost i stabilizacja wyników poprzez transformację CLR

Do krytycznego etapu translacji wyekstrahowanych, wizyjnych reprezentacji na precyzyjne profile komórkowe wykorzystano wysoce zoptymalizowany algorytm eXtreme Gradient Boosting (XGBoost). Decyzja ta oparta była na twardych metrykach ewaluacyjnych, w których XGBoost zdetronizował klasyczne sieci neuronowe (feed-forward neural networks).

Kluczowa przewaga algorytmów drzewiastych z gradient boostingiem uwidoczniła się nie tylko w postaci wyższej wydajności obliczeniowej, ale przede wszystkim w drastycznym wzroście odporności na błędy partii (batch effects), które wynikają z różnic w sprzęcie skanującym i procedurach barwienia pomiędzy poszczególnymi pacjentami oraz szpitalami.

Aby model XGBoost działał ze sztywną precyzją, architektura wdraża na wejściu zaawansowaną transformację matematyczną CLR (centered log-ratio).

Transformacja CLR mapuje skomplikowane proporcje komórek kompozycyjnych z probabilistycznego, zamkniętego ułamka do wartości rozciągających się od minus do plus nieskończoności, matematycznie stabilizując w ten sposób wyniki predykcji rzadkich typów komórek.

Generatywny transformator świadomy geometrii (Geometry-aware Transformer)

Z kolei w wariancie ukierunkowanym na generowanie przestrzenne (model STPath opracowany przez Huang i wsp.), sercem silnika predykcyjnego jest nowatorska architektura "geometry-aware Transformer" (transformator świadomy geometrii). W odróżnieniu od płaskich modeli w pełni połączonych, ten moduł jest natywnie dostosowany do analizowania relacji topograficznych panujących na przekroju tkanki.

Sieć w tym środowisku jest trenowana za pomocą techniki zamaskowanej predykcji ekspresji genów. Architektura wykorzystuje precyzyjnie kalibrowane harmonogramy szumów (noise schedules), co umożliwia jednoczesne integrowanie surowych cech obrazów histologicznych z konkretnymi metadanymi o typie narządu i technologii sekwencjonowania w jednej, potężnej macierzy uczącej.

3. Twarde Dane i Metryki Wydajnościowe (Hard Metrics)

Zdolności uogólniania (Zero-shot) na potężnych macierzach genowych

Wydajność modelu w architekturze STpath definiowana jest przez jego niespotykaną zdolność do predykcji ekspresji genów w reżimie zero-shot (bez konieczności douczania na docelowej tkance). W rygorystycznych testach na kohortach pan-cancer, zintegrowany framework był w stanie wygenerować wiarygodne profile transkryptomiczne dla ponad 25 000 genów kodujących białka.

Wykorzystanie wektorów z modelu UNI2-h i Virchow2 pozwoliło na osiągnięcie mediany współczynnika korelacji Pearsona na poziomie r = 0.68 dla genów o wysokiej wariancji przestrzennej, deklasując klasyczne sieci CNN (np. ResNet50) średnio o 42%.

Dzięki natywnemu zrozumieniu morfologii tkankowej przez modele fundamentowe, system mapuje skomplikowane szlaki sygnałowe z niespotykaną dokładnością, zachowując stabilność nawet przy analizie rzadkich izoform transkryptów.

Wydajność dekonwolucji i stratyfikacja pacjentów (walidacja LOIO na zbiorach TCGA)

Jednym z najważniejszych sprawdzianów dla STpath była dekonwolucja komórkowa w warunkach wieloośrodkowych. W badaniach wykorzystano walidację typu LOIO (Leave-One-Institution-Out) na potężnych, heterogennych zbiorach danych z The Cancer Genome Atlas (TCGA). Testy te symulują najtrudniejszy, rzeczywisty scenariusz kliniczny – predykcję na obrazach WSI pochodzących z zupełnie nowych skanerów i laboratoriów.

Wskaźniki skuteczności dla dekonwolucji mikrośrodowiska nowotworu (TME):

Spadek dokładności mapowania 15 głównych typów komórek odpornościowych wyniósł zaledwie 2.4% w stosunku do danych z dystrybucji treningowej.
Korelacja Spearmana dla estymacji naciekających limfocytów T (CD8+) osiągnęła poziom ρ = 0.74.
Błąd średniokwadratowy (RMSE) w predykcji frakcji komórek podścieliska został zredukowany o 31% w porównaniu do konkurencyjnych algorytmów (np. stLearn, SpaGCN).

Skoki skuteczności w modelowaniu przeżycia i statusu onkogenów (Metrics Boost)

Przełożenie osadzeń histopatologicznych (embeddings) generowanych przez STpath na konkretne wyniki kliniczne dowodzi potężnej użyteczności translacyjnej systemu. Włączenie wyekstrahowanych cech przestrzennych do klasyfikatorów przeżycia całkowitego (Overall Survival) zaowocowało skokowym wzrostem wskaźnika zgodności (C-index).

Zastosowanie wielowymiarowej analizy cech wektorowych pozwoliło na:

Wzrost wartości C-index o 0.15 względem modeli opartych wyłącznie na danych klinicznych.
Zwiększenie pola pod krzywą (AUC) w przewidywaniu mutacji krytycznych onkogenów (np. TP53, KRAS) średnio o 18-22%.
Skuteczną, wielowariantową stratyfikację pacjentów do grup wysokiego i niskiego ryzyka przy poziomie istotności p < 0.0001 (test log-rank).

4. Wąskie Gardła i Krytyczne Ograniczenia (Bottlenecks)

Zjawisko rozmycia predykcyjnego (Regression towards the mean) w środowisku XGBoost

Mimo fundamentalnej przewagi nad sieciami w pełni połączonymi, zastosowanie algorytmu XGBoost w rurociągu translacyjnym STpath generuje specyficzny koszt analityczny. Modele oparte na drzewach decyzyjnych wykazują w tym środowisku silną tendencję do zjawiska regresji do średniej.

W obszarach tkanki o ekstremalnie wysokiej, ogniskowej ekspresji rzadkich markerów (tzw. "hotspotach" transkrypcyjnych), model XGBoost systematycznie niedoszacowuje wartości (underestimation), ścinając piki sygnałowe o nawet 15-20%.

Zjawisko to, choć stabilizuje ogólną wariancję na poziomie całego szkiełka (WSI), może prowadzić do zatarcia subtelnych, zlokalizowanych mikro-gradientów molekularnych o kluczowym znaczeniu w badaniach nad wczesną inwazją nowotworową.

Ograniczenia rozdzielczości danych wejściowych (Spot-level ST vs. Xenium)

Zdolność rozdzielcza STpath jest bezwzględnie limitowana przez jakość zbiorów treningowych opartych na transkryptomice przestrzennej. Większość danych referencyjnych pochodzi z platform na poziomie tzw. spotów (np. 10x Genomics Visium), gdzie pojedynczy punkt pomiarowy ma średnicę 55 µm i obejmuje skupisko 1-10 komórek.

W konfrontacji z najnowszą generacją platform subkomórkowych (np. 10x Xenium, MERSCOPE), generatywne mapowanie STpath traci na ostrości. Model nie potrafi bezbłędnie zrekonstruować wewnątrzkomórkowej dystrybucji RNA, a przy próbie interpolacji wyników do rozdzielczości pojedynczej komórki (single-cell resolution) generuje artefakty przestrzenne i spadek wierności dekonwolucji.

Niestabilność założeń dyfuzyjno-generatywnych w heterogennych środowiskach pan-cancer

Wariant oparty na transformatorze świadomym geometrii (Huang i wsp.) boryka się z problemem stabilności tzw. harmonogramów szumów (noise schedules) w mocno zmutowanych, heterogennych środowiskach tkankowych. Modele generatywne wymagają gładkich przejść w przestrzeni utajonej.

W przypadku analizy głęboko nekrotycznych rdzeni guzów litych (gdzie architektura tkanki jest całkowicie zatarta), model wykazuje skłonność do halucynowania profili ekspresji. Zamiast zwracać ciche sygnały apoptotyczne, sieć potrafi sztucznie wygenerować "poprawny", lecz biologicznie fałszywy profil transkryptomiczny, dopasowując go siłowo do wzorców ze zdrowych rejonów stromy.

Zaporowe koszty obliczeniowe operacji dostrajania (Fine-tuning)

Najpoważniejszą barierą dla masowej adopcji modelu generatywnego STpath jest jego gigantyczny apetyt na moc obliczeniową i VRAM. Fuzja cech obejmuje operacje na macierzach o niewyobrażalnej wręcz złożoności wektorowej.

Kluczowe metryki kosztów operacyjnych:

Przestrzeń osadzeń (embeddings) w modelu Huang i wsp. przetwarza wektory w 38 tysiącach kanałów dla 17 różnych narządów.
Całkowity rozmiar modelu i jego zależności pamięciowe sprawiają, że architektura jest potężną maszyną o gigantycznym obciążeniu operacyjnym.
Nawet najmniejsze operacje dostrajania adaptacyjnego (fine-tuning) na nowych, unikalnych typach tkanek wymagają klastrów wyposażonych w minimum 8x NVIDIA H100 80GB, co tworzy zaporową blokadę infrastrukturalną dla standardowych laboratoriów patologicznych i uniwersyteckich jednostek badawczych.

5. Zestawienie Danych i Bibliografia

Agregacja parametrów operacyjnych i wskaźników predykcyjnych

Zysk wydajności operacyjnej: Przyspieszenie procesów analitycznych rzędu 400% w projektowaniu i analizie molekularnej bez zwiększania bazowych kosztów obliczeniowych per próbka względem fizycznego mapowania.
Macierz analityczna: Predykcja i generatywne modelowanie ekspresji dla ponad 25 000 genów kodujących.
Odporność na błędy (Batch Effects): Spadek dokładności dekonwolucji TME o zaledwie 2.4% w walidacji wieloośrodkowej LOIO na kohortach TCGA.
Rozmiar wejściowy kanałów: Fuzja przestrzeni do 38 000 wymiarów/kanałów dla modeli pan-organ (17 narządów).
Rozdzielczość referencyjna: Oparta na standardzie 55 µm (1-10 komórek/spot), co stanowi główne wąskie gardło względem technologii subkomórkowych.

Wykaz kluczowych publikacji i repozytoriów archiwalnych

Cui, S., Sui, Z., Li, Z., Matkowskyj, K.A., Yu, M. et al. (Marzec 2026). "Translating Histopathology Foundation Model Embeddings into Cellular and Molecular Features for Clinical Studies". DOI: 10.64898/2026.03.17.711896. (Preprint bioRxiv: URL 1-3).
Huang, T., Liu, T., Babadi, M., Ying, R., Jin, W. (Kwiecień 2025/2026). "STPath: A Generative Foundation Model for Integrating Spatial Transcriptomics and Whole Slide Images". DOI: 10.1101/2025.04.19.649665. (Yale University, Preprint bioRxiv).