在 TabPFN 探测病理学基础模型中实现值得信赖的生物比对

组织学和转录组学提供了组织生物学的互补观点，分别捕获空间形态和分子活性。病理学基础模型 (PFM) 从 H&E 图像中学习丰富的形态表征，但仅靠强大的下游性能并不能确定这些表征是否编码具有生物学意义和稳健的分子信息。我们提出了一个**免训练框架，用于使用 HEST-1k 的空间配对组织学和转录组学来审核冷冻 PFM 中的生物比对，并在 **跨三个器官的 240 个样本上进行评估**。多个冷冻 PFM 用于提取 H&E 表示，而基因表达被聚合到生物学可解释的途径级程序中。我们使用 TabPFN 作为预训练探针来量化这些分子程序可以从冻结图像表示中解码的程度，而无需特定于任务的梯度更新。除了预测性能之外，我们的审计还检查了通路的可解码性是否普遍适用于组织切片、患者群体和组织类型；表示是否表现出节级或其他快捷方式依赖性；以及预测在小图像扰动和上下文重采样下是否保持稳定。这种多组织评估将一致编码的分子程序与组织特异性、不稳定或快捷方式敏感的分子程序区分开来。因此，我们的框架提供了一种系统方法，不仅可以评估**生物信息病理学基础模型编码的内容，还可以评估该信息在临床相关变异来源下持续存在的可靠性**。