論文の概要: Cross-Modal Contrastive Learning for the Retrieval of Immunotherapy-Associated Molecular Signatures from Histopathology

• arxiv url: http://arxiv.org/abs/2610.05157v1
• Date: Sun, 04 Oct 2026 12:06:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-10 22:57:54.888593
• Title: Cross-Modal Contrastive Learning for the Retrieval of Immunotherapy-Associated Molecular Signatures from Histopathology
• Title（参考訳）: 免疫療法におけるクロスモーダルコントラスト学習 : 病理組織からの分子シグナル
• Abstract要約: 胃癌の死因は胃腺癌である。 クロスモーダル検索のためのクロスモーダル・コントラシティブ・マルチインスタンス学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Gastric Adenocarcinoma is a leading cause of cancer mortality. Although "Inflamed/Non-Inflamed" subtypes have been proposed to predict immunotherapy response, their identification relies on a costly 10-gene RNA signature. We propose a Cross-modal Contrastive Multiple Instance Learning (CCMIL) framework for cross-modal retrieval, imputing these molecular signatures directly from standard Hematoxylin & Eosin (H&E) slides. By leveraging a supervised contrastive objective, CCMIL aligns visual morphological patterns with molecular phenotypes into a shared latent space. This establishes an interpretable search-by-case retrieval engine, enabling pathologists to query a whole slide image to surface transcriptomically coherent neighbors and approximate RNA signatures without genomic sequencing at inference. Our results demonstrate that this retrieval-first approach captures the continuous phenotypic spectrum of tumor inflammation and yields clinically interpretable attention heatmaps. Furthermore, the learned representation also supports competitive downstream classification, providing a practical molecular pre-screening strategy.
• Abstract（参考訳）: 胃癌の死因は胃腺癌である。 Inflamed/Non-Inflamed」サブタイプは免疫療法の反応を予測するために提案されているが、それらの同定はコストのかかる10遺伝子RNAシグネチャに依存している。 クロスモーダル検索のためのクロスモーダルコントラスト多重インスタンス学習(CCMIL)フレームワークを提案し,これらの分子シグネチャを標準ヘマトキシリン&エオシン(H&E)スライドから直接入力する。 教師付きコントラストの目的を活用することで、CCMILは視覚形態パターンと分子表現型を共有潜在空間に整列させる。 これにより、解析可能な検索・バイ・ケース検索エンジンが確立され、病理学者は、推論時にゲノムシークエンシングをせずに、スライド画像全体を転写的に整合した隣人に問い合わせ、RNAシグネチャを近似することができる。 以上の結果より, この検索ファーストアプローチは腫瘍炎症の連続的な表現型スペクトルを捉え, 臨床的に解釈可能な注意熱マップが得られることが示唆された。 さらに、学習された表現は、競争力のある下流分類をサポートし、実用的な分子前スクリーニング戦略を提供する。

関連論文リスト

• Data-Efficient Multimodal Alignment for Histopathology-based Molecular Prediction [3.229566379058554]
  凍結した病理組織とRNA-Seqファンデーションモデル上に軽量アライメントモジュールをトレーニングすることで、オープンボキャブラリ分子プロンプトが実現できることを示す。 ベースライン法よりも25倍の検索改善を実現した。 我々はPOSEIDON臨床試験における臨床的有用性を検証する。
  論文  参考訳（メタデータ） (2026-06-29T08:24:53Z)
• Breaking the Modality Barrier: Generative Modeling for Accurate Molecule Retrieval from Mass Spectra [60.08608779794957]
  本稿では,ジェネレーティブ言語モデルに基づく検索フレームワークであるGLMRを提案する。 検索前の段階では、比較学習に基づくモデルでは、上位候補分子を入力質量スペクトルの文脈的先行として識別する。 生成検索段階において、これらの候補分子は入力質量スペクトルと統合され、精製された分子構造を生成するための生成モデルが導かれる。
  論文  参考訳（メタデータ） (2025-11-09T07:25:53Z)
• MIRROR: Multi-Modal Pathological Self-Supervised Representation Learning via Modality Alignment and Retention [57.044719143401664]
  病理組織学と転写学は、腫瘍学の基本的なモダリティであり、疾患の形態学的および分子的側面を包含している。 モーダルアライメントと保持を両立させる新しいマルチモーダル表現学習法であるMIRRORを提案する。 がんの亜型化と生存分析のためのTCGAコホートに関する広範囲な評価は,MIRRORの優れた性能を浮き彫りにしている。
  論文  参考訳（メタデータ） (2025-03-01T07:02:30Z)
• Joint Modelling Histology and Molecular Markers for Cancer Classification [4.267476747447838]
  分子マーカーと組織学的特徴を共同で予測するための新しいデジタル病理手法を提案する。 本手法は、グリオーマ、組織学的特徴および分子マーカーの分類において、他の最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2025-02-11T21:52:32Z)
• Multi-task Learning of Histology and Molecular Markers for Classifying Diffuse Glioma [9.082753496844731]
  組織学と分子マーカーを共同で予測する階層型マルチタスクマルチインスタンス学習フレームワークを提案する。 また,分子マーカーの共起をモデル化するために,共起確率に基づくラベル補正グラフネットワークを提案する。 以上の結果から,本手法はびまん性グリオーマの分類において,他の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2023-03-26T23:00:00Z)
• Unsupervised ensemble-based phenotyping helps enhance the discoverability of genes related to heart morphology [57.25098075813054]
  我々はUn Phenotype Ensemblesという名の遺伝子発見のための新しいフレームワークを提案する。 教師なしの方法で学習された表現型のセットをプールすることで、冗長だが非常に表現性の高い表現を構築する。 これらの表現型は、(GWAS)を介して分析され、高い自信と安定した関連のみを保持する。
  論文  参考訳（メタデータ） (2023-01-07T18:36:44Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。