理解人体复杂系统宏观与微观信息之间的跨层次关联规律，是中西医学面临的共性关键科学问题。如何通过嵌入影像信息来解析其中规律并构建具有普适性的人工智能模型，对于深入理解疾病发生发展与药物干预的本质、推动中西医临床精准诊疗，具有重要科学价值和现实意义。

清华大学北京市中医药交叉研究所所长、欧洲科学与艺术院院士李梢课题组，创建了一套影像-分子跨层次网络关系推断统一模型，系统揭示出基于影像信息的中西医宏观及微观跨层次网络模块化关联规律。该成果日前在国际学术期刊《自然·方法》上发表。

该研究创建了影像-分子跨层次网络关系推断统一模型“Multi-Embed”，基于自监督学习框架，从跨层次数据中自主挖掘病理影像与分子特征间的复杂关联，首次实现了多尺度病理形态与多层次分子图谱的跨模态统一嵌入，同时兼顾了模型的可解释性与泛化性，解决了传统多模态模型“性能与可解释性不可兼得”“泛化能力弱难以适配临床大队列”的难点问题。

李梢介绍，在肿瘤发生预警方面，团队通过该模型构建了胃炎至胃癌极早期再到早癌演进过程的影像-分子关联网络，揭示了其动态时空演变规律，挖掘出可预警胃癌发生的影像-分子多模态标志物，拓展了胃癌极早期病证标志物体系。此外，在药物干预疗效预测方面，团队还利用模型辨识出了与肿瘤治疗响应相关的影像-分子融合标志物。

“这些结果展现出Multi-Embed在中西医智能与精准诊疗方面的重要价值，也为网络药理学驱动的肿瘤等复杂疾病防治科学发现提供了重要技术支撑。”李梢说，未来该模型还可拓展至涵盖舌像、内镜图像等多种类型影像特征与多组学分子谱的跨层次推断与整合，且可延伸应用于识别具有中医特色的影像-分子融合标志物及药物疗效评价指标。这不仅为阐释中医望诊的科学内涵提供了坚实依据，也开辟了从表型、影像到分子多层次系统解析中西医诊疗规律的新途径。

编辑：李华山