TIRA：以免疫空间表示提升病理基础模型跨癌种预测

微卫星不稳定性高（MSI-H）和高肿瘤突变负荷（TMB-H）是临床相关的生物标志物，但当模型在形态上不同的癌症类型之间转移时，它们的组织病理学预测仍然具有挑战性。尽管存在这些形态学差异，但免疫相关的空间模式可以在癌症中持续存在，但针对单一癌症训练的基于基础模型的预测器并没有明确使用这些信息，从而限制了跨癌症的泛化。为了解决这一限制，我们提出了 TIRA（肿瘤免疫表示适应），这是一种无目标框架，可使用空间免疫拓扑细化冻结的基础模型表示，而在模型开发或测试时适应期间不需要目标域数据。 TIRA 使用拓扑监督的生物学表示来调节图块级注意力，同时仅汇集形态特征以进行 MSI 和 TMB 联合预测。我们在 TCGA-COAD+READ 上训练 TIRA，并在 CPTAC-COAD、TCGA-STAD、TCGA-UCEC 和 CPTAC-UCEC 上对其进行零样本评估，涵盖跨位点、跨癌症和 UNI2、CONCH 和 Virchow2 下的组合跨癌症位点分布变化。借助 UNI2，TIRA 将 TCGA-STAD 上的 MSI 零样本 AUROC 从 0.633 提高到 0.766，将 TMB 从 0.651 提高到 0.772。源衍生的空间免疫拓扑提高了冷冻病理学基础模型表示的跨癌稳健性。