近日，中国科学院计算机网络信息中心的研究团队利用“东方”超级计算系统，开发了一种新的基于Transformer的乳腺癌病理图像HRD（同源重组修复缺陷）预测方法——SuRe-Transformer。这一方法有效解决了Transformer在病理图像分析中面临的三大挑战： 首先，SuRe-Transformer通过使用径向衰减稀疏自注意力机制，增强了关键区域图像块（Patch）的选择多样性。这种机制能够更精确地关注到图像中的重要区域，避免了传统方法中可能忽略的部分信息。 其次，该方法采用了簇大小加权采样策略，提高了特征区域的代表性。这一策略确保了各个特征区域在模型训练过程中被充分考虑，从而提升了预测的准确性。 最后，研究团队引入了无监督对比学习技术，优化了病理图像特征的嵌入质量。这种方法不仅改善了数据的质量，还使得模型能够更有效地提取和利用图像特征。 实验结果显示，SuRe-Transformer在多个独立测试集上的HRD预测性能显著优于现有的主流方法，展现了其强大的预测能力。此外，SuRe-Transformer的通用性也非常强，在TP53、PIK3CA和MAP3K1等基因突变预测任务中，AUC（曲线下面积）均超过了0.844，这表明该方法在多种类型的癌症基因突变检测中也具有较高的准确性。 这项研究成果已发表在《npj-肿瘤精准医疗》（npj Precision Oncology）上，并得到了国家自然科学基金和中国科学院战略性先导科技专项（B类）的支持。研究团队希望这一方法能够在未来的临床应用中发挥重要作用，为癌症患者的诊断和治疗提供更加精准的数据支持。