一、阿尔茨海默病新生物标志物

复旦大学附属华山医院郁金泰教授团队联合复旦大学类脑智能科学与技术研究院的冯建峰 / 程炜团队发现了阿尔茨海默病的新型生物标志物 ywhag，其在识别生物学定义的阿尔茨海默病和临床诊断的阿尔茨海默病痴呆时准确度分别高达 96.9% 和 85.7%。

二、3D 病理学深度学习平台 TriPath

由 Andrew H. Song 等人完成的 TriPath 平台通过深度学习技术处理和分析 3D 组织体积数据，有效预测临床结果，其在前列腺癌组织样本的 3D 形态特征分析中性能超越传统 2D 方法，为病理学诊断进入三维时代奠定基础。

三、DGR-MIL 多样性学习助力癌症诊断

ECCV2024上提出的基于多元全局表示（DGR-MIL）的新型MIL聚合方法，在 CAMELYON-16和TCGA肺癌数据集上大大优于最先进的MIL聚合模型。该模型针对全片图像（WSI）的高分辨率和庞大数据量，以及病变组织的异质性等问题，通过引入全局向量、跨注意力机制、正向实例对齐和多样性学习等关键组件，提高了癌症检测的准确性。

四、阿斯利康新一代计算病理学平台

在2024年世界肺癌大会上，阿斯利康公布的新一代基于计算病理学的trop2生物标志物可预测 datopotamab deruxtecan 在非小细胞肺癌患者的临床治疗结果。其开发的定量连续评分（qcs）计算病理学平台，能更精确地定量测量肿瘤细胞内和膜表面的trop2，帮助筛选出最有可能从该药物治疗中获益的患者。

五、单碱基精度3D全景空间多组学技术

金凤实验室联合浙江大学段树民院士团队开发出的此项技术，能够在大尺度生理和病理组织切片上，高通量检测细胞基因的原位表达，实现单碱基、亚细胞分辨率的肿瘤基因突变原位识别与可视化呈现，让肿瘤细胞在突变初期无所遁形，推动病理诊断向分子病理学诊断发展。

六、建成具有国际水平的单细胞多组学智算平台

金凤实验室王峥团队的这一成果，为单细胞多组学研究提供了强大的计算支持，有助于深入挖掘细胞层面的病理信息，为疾病的发生发展机制研究和精准诊断提供依据。

七、AI 病理学大模型

美国华盛顿大学王晟教授团队与微软研究院、美国普罗维登斯癌症研究院合作研发出超多参数的病理学大模型，能针对 “整张” 病理图片进行建模和分类，在来自 28 个癌症中心的 3 万个病人数据上训练验证，在 26 个任务中的 25 个任务上取得最佳效果。

八、AI病理图像分析软件 “湖北首展”

欧洲最大的应用科学研究机构旗下的这款软件在2024武汉国际数智病理发展大会上进行了 “湖北首展”，能够在短时间内完成大批量样本分析。

九、Onconaut 工具

马克斯・德尔布吕克分子医学中心阿卡林博士团队研发的 AI 在线工具 Onconaut，可凭借强大搜索功能，为医患提供癌症治疗方案的决策支持。

十、结直肠癌高效无创筛查整体解决方案

同样是 “2024 湖北十大医工交叉创新成果” 之一，为结直肠癌的筛查提供了更高效、无创的整体方案，对结直肠癌的早期发现和治疗具有重要意义。