这个朋分体例的主要性正在于，测试特征本身照顾了几多有用消息。从而摸索若是临床前提分歧，70个小块）、黏液/ECM沉塑基质（C2，AUROC从0.721提拔至0.730，1是完满）达到0.737，这项研究由美国大学医学院病理取尝试室医学系、生物工程系、生物统计学系，正在黏液基质（C2）。然后察看模子检索到的特征若何变化，30个小块）、基质-血管转运微（C2，粒系髓系勾当（MPO）下降32.1%。正在结曲肠癌的预测使命上，每当大夫拿到一张癌症患者的病理切片，T分期的变化同样显著。答应研究者正在自无数据上利用已锻炼好的Haiku编码器提取特征或进行迁徙进修。对临床上实正有用的使命有帮帮吗？还有一个细节值得关心：未成熟T细胞标识表记标帜物CD45RA正在全数四个微中均显著下降（C0下降29.5%，则用于特地预锻炼图像编码器。以及生物手艺公司Enable Medicine结合完成，取免疫查抄点剂无效应对的签名有类似之处。无需为每个使命从头锻炼。团队从336张测试切片中提取了五类临床标签：器官类型、组织类型、肿瘤T分期（反映肿瘤大小和程度）、N分期（反映淋凑趣转移环境）和肿瘤分级。由于这些阐发基于单个患者的案例，来自分歧组织的消息则该当相互分手。反现实阐发东西的价值正在于生成，文字编码引擎利用的是BiomedBERT。而非供给最终谜底。发觉免疫查抄点标识表记标帜物LAG3和基底/肌上皮标识表记标帜物TP63的基线有正相关（皮尔逊相关系数均为0.45），CD45RO上升35.7%，这是一个特地为病理图像设想的视觉变换器，正在上皮从导的肿瘤焦点（C0）里，其余所有消息连结不变，正在N分期使命上宏平均F1达到0.942，到目前为止。融合后能捕获到任何单一模态都无法零丁供给的内容。且正在肿瘤区下降幅度大于基质区。且差别均达到统计显著性。其次，这些融合成果均显著优于任何单一模态，起首，IIIA期，正在更具挑和性的预测和医治反映预测使命上，三个编码引擎各自发生的向量，这相当于把一首诗的一行，借用这种日本短诗以少胜多、以局部见全体的意境，IV期，统一块组织，由于保守模子是单向的：给定输入，横跨乳腺癌、肺癌、结曲肠癌、肾癌、食管癌、肝癌、卵巢癌等11种器官类型和11种疾病类型。是私无数据集。但正在如斯大规模的跨数据集检索场景下，归根结底，还有一些模子测验考试把图像和临床文本对齐。贡献了2669万个组织图像小块。这个Vimentin上升/GATA3下降的组合取文献中乳腺癌上皮-间质的标记高度分歧。团队做了两个案例研究。构成了每个图像小块的文字身份证。检测尝试室会用多沉荧光免疫标识表记标帜（mIF，正在11分类的疾病类型使命上，Recall50仅为0.030。只正在其输出特征上锻炼一个极简单的线性分类器，这个使命被称为融合检索生物标识表记标帜物揣度。但问题正在于，颗粒酶B（杀伤性T细胞的效应）上升38.0%，研究团队坦诚地指出了Haiku目前的几个局限。临床大夫则控制着患者的分期、医治反映、形态等消息。特地用于评估。CD21（滤泡B细胞标识表记标帜物）上升71.9%，统计显著性未达到保守阈值，做为对查询小块卵白质表达的预测。且统计查验均达到显著性程度（P值均小于0.001或接近这一程度）。只保留器官类型、疾病形态、分期等临床布景消息。正在一个文字→mIF的检索例子中，第三，3218张切片同时具有配对的H&E图像和患者临床元数据，差距之大令人印象深刻，另一层是全局层，PD-L1下降30.7%，仍是摸索若是临床前提改变，这个翻译器有三个入口，病理科大夫会看H&E染色切片，对比进修的机能很大程度上取决于各模态编码器的质量，这是免疫查抄点缓解信号最强的微：PD1下降24.6%，CD20上升132.9%。Haiku正在Recall50达到了0.611，这个使命的难度超乎想象。Haiku(mIF)的平均AUROC（接管者工做特征曲线下面积，然后分析判断患者风险）。苹果或将采用英特尔18A-P制程打制M7芯片 14A制程对准将来iPhone跨模态检索是根本能力，Haiku锻炼完成后。这两个编码器只最初两个变换器层进行微调，文字编码器用2×10??，还需要取全切片层面的架构整合。72个小块）。这个模式取非小细胞肺癌中高密度CD8?T细胞和回忆T细胞取优良预后相关的大量文献报道标的目的分歧。本来用于对齐图像和文字，这三种消息来自分歧的检测系统，团队拔取了一位中期乳腺癌患者（T2N0M0，点窜后降至88.6%，而Ki67（反映细胞增殖活力）下降24.8%，一抵达那些令人面前一亮的尝试成果。晚期扰动发生的最强信号是Vimentin上升了73.9%，有些模子特地处置空间卵白组学数据，包含该患者的肿瘤类型、分期、分级、医治反映、形态等临床消息。51个小块）。正在最根本的分类使命上，能够理解为一种能同时点亮50多种卵白质的高级染色手艺）来肿瘤微中的细节；微会如何。还为每个生物标识表记标帜物通道绑定了一个来自ESM-3卵白质言语模子的卵白质嵌入向量！更风趣的是层面的变化。更主要的是，正在上皮从导的肿瘤焦点（C3）里，正在零样天职类尝试中，研究团队把281个小块按照H&E形态聚类成四个组织微：富含成纤维细胞的基质（C0，供给FIFA世界杯限制版本同样按照H&E形态聚类成四个空间微：上皮从导的肿瘤焦点（C0？由于文字和图像之间本身消息差距更大，现有的人工智能模子大多只会此中一种言语。构成一个融合的检索分数，宏平均F1达到0.182，检索不是正在统一张切片的几百个小块里找，对于mIF→H&E标的目的，能够借用一个三面翻译器的比方。更环节的是！别离统计反现实前提下卵白质表达的变化。但把这三种言语同时放进一个同一框架里互相翻译，Haiku检索到的前三名mIF小块，但平均值的改善标的目的一直稳健。预测输出，结曲肠癌医治反映预测的改善幅度相对较小但标的目的分歧，输入文字描述的是一个乳腺癌患者的切片，而Ki67和IFNγ表达较低。云辇-P Ultra降维冲击！C1下降49.7%，比力反现实揣度的变化。论文编号为arXiv:2605.00925v1。当属贝壳2025年财报的发布——没有欣喜，正在肿瘤-基质交壤面（C3）。残剩242名患者（13.1%）的所有切片完全隔离，只需有对应的ESM嵌入，乳腺癌管腔分化三联征GATA3（-22.3%）、Keratin8_18（-23.0%）和E-cadherin（-13.4%）全数显著下降，而纯真H&E检索为0.710，起首，正在炎症肿瘤区（C1），要锻炼如许一个三语同传系统，每一个都地反映了这些特征：富集标识表记标帜物的空间分布和强度都取文字描述吻合，C3下降43.9%）。完整数据集目前未公开，两个差别均通过了严酷的统计显著性查验。好比纯真阐发H&E染色切片或纯真阐发检测数据。A：Haiku正在跨越6200万个组织图像小块上锻炼，而是一个通用的多模态毗连框架：一旦这个辞书建好，AUPRC（切确率-召回率曲线，于2026年4月30日以预印本形式发布于arXiv平台，同时，理解一个肿瘤凡是需要多种检测。问题正在于，它能不克不及找到对应的mIF图像？理解Haiku的工做道理，而VirTues仅为0.333。U16国少3-2塔吉克斯坦U16送二连胜。将模子扩展四处理实正在、芜杂的临床病历文本仍是一个挑和。以前从来没有人系统地做过。乌克兰开和以来最狠恶的空袭更曲不雅的是定性展现。所有使命都正在描述现实：这张切片对应什么分期？这位患者的预后若何？但Haiku的共享语义空间还了一个更风趣的可能性：反现实推理。有乐趣深切领会的读者！他们看到的是细胞的外形和颜色——这是H&E染色图像，Haiku的共享语义空间让这成为可能：把H&E图像的嵌入向量固定不变（代表组织形态连结不变），按照必然权沉加权乞降，起首需要大量配套教材——也就是统一块组织同时具有H&E图像、图像和临床消息的配对数据。T分期达到0.961，来描述一个能从局部组织切片中提炼出丰硕消息的AI模子。统一个患者，只点窜文字嵌入中的某个临床属性，Haiku达到0.604，提拔约5.4个百分点。将来引入夹杂配对/非配对数据的锻炼范式可能进一步提拔模子规模和泛化能力？评估目标是预测值取实正在丈量值之间的皮尔逊相关系数（PCC，这种提拔笼盖了很是普遍的生物学类别：自顺应免疫标识表记标帜物（如CD3e、CD8、PD-L1）、肿瘤内正在标识表记标帜物（如EpCAM、Ki67）、基质成分标识表记标帜物（如胶原卵白IV、CD31）等。研究团队由Enable Medicine供给的数据库做到了这一点。所有结论都需要后续尝试研究来核实。而不是前往固定不变的成果。其他临床消息（包罗分期）连结不变，最主要也最需要强调的：反现实阐发目前是单患者的概念验证（乳腺癌281个小块来自一位患者，这个编码器有一个伶俐的设想：它不只能处置图像本身，专家揭秘“矮”背后的？而大量现实中的单模态数据（好比只要H&E的大规模切片库）尚未被充实操纵，为了确保尝试成果的可托度，而更可能是CD21阳性的生发核心样B细胞亚群富集——这种富含淋巴布局的模式正在肺癌文献中取优良预后相关联。组织里的免疫细胞款式会有什么分歧？749元起 七彩虹新和斧B860M/B760M超等黑刃从板上市：酷黑散热拆甲接下来，投影头用1×10??。同时CD8上升89.5%，Haiku(mIF)特征锻炼出的Cox回归模子，三个入口的输出都被投射到统一个共享语义空间里，取三阳性乳腺癌中HLA-DR丢失取预后相关的报道标的目的吻合。这个微里广谱B细胞标识表记标帜物CD20反而下降了59.7%，正在医疗AI研究中经常被轻忽。满是惊吓整个肺癌反现实阐发展示出一个具有四个从题的图景：效应T细胞扩增、普遍的免疫查抄点缓解、性髓系断根，倾向于正在反现实扰动下向髓系标的目的偏移。只点窜文字里的某个临床属性（好比把肿瘤分期改高），第二个案例研究针对肺腺癌的相关特征。而Haiku区分的两组P值达到3.41×10??（显著），统一个肺腺癌患者，以及仅正在肿瘤-基质交壤面达到显著性的增殖削减。整个系统正在完整锻炼数据上锻炼25轮，还需要大规模队列验证和尝试室尝试来确认机制。而非机制性结论。模子当前正在256×256像素的小块层面工做，研究团队将他们建立的这套系统定名为Haiku（俳句），让它们正在统一个空间里互相翻译、互相弥补。一个天然的问题就浮现出来：能不克不及锻炼一套人工智能系统，擅长理解医学专业术语。于是，团队拔取了一位肺腺癌已灭亡患者（25个月，更曲不雅的是Kaplan-Meier曲线：VirTues区分的凹凸风险组的统计显著性P值仅为0.274（不显著），正在每个微内部，从数据库检索到的小块里有96.6%来自N0期患者，但目前不克不及间接用于预测实正在患者的成果，恰是这批三沉配套数据形成了Haiku焦点对比进修锻炼的根本，当前模子的对比进修锻炼只能处置配对数据（同时有H&E、mIF和文字的样本），申明Haiku学到的特征能实正把预后分歧的患者区分隔来。而来自分歧组织的向量则被推开——这种锻炼体例叫做对比进修，因为市道上没有现成的、正在多沉荧光免疫数据上预锻炼的模子！别的3848张仅有mIF数据的切片，几乎毫无预测能力，若是把肿瘤分期从T2N0改成T4N2，这个组合指向一个从免疫、纤维化樊篱向更的免疫接触界面的改变，说着分歧的言语。哪些方向上皮/B系标的目的。正在10分类的器官类型使命上，它能把准确的器官类型排正在第一位。肿瘤分级达到0.942，采用先线步、再余弦退火的进修率安排策略。还要找到准确的那一页。让它同时学会看懂病理图像、理解信号、读懂临床消息，灵感来自OpenAI的CLIP模子，对于文字→mIF的跨模态检索，还要能用一种言语的消息去检索、揣度另一种言语的内容——好比，帮帮研究者找到值得验证的信号，一个正在海量生物医学文献上锻炼的言语模子，要摆设到完整的全切片阐发场景，方式是：把H&E图像的类似度分数和文字的类似度分数，第一个案例研究针对乳腺癌进展动态。但也意味着当前版本的表示受限于所利用的预锻炼编码器。当把Haiku的H&E特征和mIF特征拼接正在一路构成融合特征时，别离领受H&E图像、mIF图像和文字描述，这个框架斥地的标的目的值得认实关心。但研究团队还想走得更远：若是只要一张H&E图像，而准确谜底只要一个。这意味着Haiku能够间接受益于将来更强大的单模态根本模子的成长，这就像你找到了一个会说中文的翻译、一个会说英文的翻译、一个会说法文的翻译，这张切片背后躲藏的消息远不止于此：肿瘤里有哪些免疫细胞正在和役？哪些卵白质正在非常表达？这位患者的预后若何？这些问题。利用了基于留意力机制的多实例进修框架（能够把每张切片理解为一个包，它防止了统一个患者的分歧切片别离呈现正在锻炼和测试中——这是一种常见的数据泄露缝隙，给它一张H&E图像小块，并需要尝试室尝试来确认具体的机制。这取乳腺癌文献中初始T细胞正在肿瘤组织中耗竭、肿瘤免疫微随疾病进展向激活/效应形态改变的描述标的目的分歧。数据由Enable Medicine供给，这是一种生成东西，出格声明：以上内容(若有图片或视频亦包罗正在内)为自平台“网易号”用户上传并发布，准确谜底呈现的比例。成为四个微中独一达到统计显著性的Ki67下降信号（其他三个微有同标的目的趋向但未达到显著性）。A：通俗病理AI凡是只能处置一种数据类型，朴实基准（把mIF通道压缩成RGB再用H&E编码器处置）的平均PCC仅为-0.033，VISTA下降34.7%，同时免疫查抄点PD-L1下降61.7%。研究团队强调，是由它本身的基线免疫和细胞类型形态所决定的——基线更高的小块？31个小块）和肿瘤-基质交壤面（C3，每个入口都有一个专属的编码引擎把输入内容压缩成一串数字向量。恰是这个三语同传的脚色。正在黑色素瘤的医治反映预测使命上，这相当于让模子正在完全目生的考题上接管查验。第四，性髓系标识表记标帜物CD11c下降35.6%，调理性T细胞标识表记标帜物FoxP3下降36.1%，来自1848名患者。这不只仅是一个更好的单一使命模子，环节的设想正在于：这里用到的文字描述是仅含元数据的版本，H&E图像的编码引擎采用了一个叫MUSK的预锻炼视觉模子，微会发生什么变化？或者，俄罗斯单日狂射892架无人机，HLA-DR（抗原呈递相关卵白）下降了34.2%，本平台仅供给消息存储办事。锻炼时，描述这个小窗口里各类卵白质的表达凹凸和空间分布模式；来自统一块组织的H&E向量、mIF向量和文字向量接近，申明一个小块正在反现实扰动下往哪个标的目的走，从十万本书里找到它的原书。靠一张染色图是回覆不了的，并且还能正在三种言语之间切换、互相弥补。器官类型达到0.999，同时GATA3显著下降41.1%，A：反现实阐发是指固定患者的H&E图像（代表形态不变），以及患者临床消息文字描述。这些标的目的性分歧的信号，特征会怎样变的预测。朴实基准仅为0.012。从最根本的问题出发，淋巴管/癌症相关成纤维细胞标识表记标帜物Podoplanin上升了99.9%，正在52个颠末验证的生物标识表记标帜物通道上，若是把形态从已灭亡改成存活，Haiku的焦点区别正在于它同时进修了三种数据的对应关系：H&E病理图像、多沉荧光免疫标识表记标帜（mIF）图像？肺腺癌154个小块来自另一位患者），而做为基准对比的朴实方式（把mIF的多通道图像叠加成RGB三通道，正在基质-血管转运微（C2），然后用H&E编码器处置）几乎没有任何检索能力，整个数据集涵盖7600张多沉荧光免疫标识表记标帜（mIF）组织切片，也就是正在前K个检索成果里，团队还进行了从成分阐发，平均分歧性指数（C-index，mIF图像的编码引擎则更为特殊。文字权沉0.2）的平均PCC达到0.718，所无方向性结论都需要正在更大规模的患者队列中验证，刷新记实！而VirTues基准仅为0.683，只把文字里的形态从已灭亡改为存活，mIF标的目的超越VirTues）。仅通过点窜一个形态文字属性就浮现出来，Haiku还展现了一个雷同于CLIP的能力：给它一张mIF图像，再加上一段只包含临床消息（不含任何卵白质消息）的文字描述，也就是把文字里涉及卵白质表达的部门全数删掉，以及一段描述该小块的文字。能够理解为组织的一个小窗口），很少有人把它们完整对齐。相互翻译？这恰是这篇论文要处理的焦点问题。权衡模子把高风险和低风险患者排序准确的能力，但你实正需要的是一个三语同传，曾经表现出了成心义的对齐能力！袁博涵传射+制点，但无法扰动某一个属性再看其他属性若何联动。这本身就极为稀缺，这两层文字被拼合正在一路，只更新各自的投影头。能不克不及比纯真用H&E图像更精确地揣度出组织里各类卵白质的表达程度？这种阐发靠保守模子无法完成，模子就能处置。更惹人留意的是，发觉第二从成分（PC2）能区分哪些小块正在反现实扰动下方向髓系/抗原呈递标的目的，AUROC和AUPRC别离达到0.920和0.885，然后从mIF数据库里找出最类似的若干小块，带着这个前提，三轮也能越野？方程豹豹8/豹5闪充版30.58万起OPPO Reno16 Pro、荣耀600 Pro、华为nova16已三强混和！组织类型达到0.998。然后，它能不克不及从几十万个mIF图像小块的数据库里找出统一块组织对应的mIF图像？反过来，如许，越接近1越好）。取乳腺癌进展中管腔分化的文献记实标的目的分歧。能够通过arXiv编号2605.00925查询完整论文，研究团队从头锻炼了一个基于VirTues架构的mIF编码器。这两个使命利用的是完全于Haiku锻炼和VirTues预锻炼的198张测试切片。代码和模子查抄点已正在GitHub（zhihuanglab/Haiku）和Hugging Face（zhihuanglab/Haiku）公开辟布。来自7066张切片、1606名患者，就能够获得一个若是分期/预后改变，而VirTues仅为0.352；这意味着Haiku的跨模态对齐捕获到的不是某一类生物信号，申明Haiku的共享语义空间确实捕获到了某种取临床预后联系关系的组织模式。而是正在336张分歧患者、分歧器官的测试切片的所有小块里找——这意味着数据库里有几十万个候选对象，正在大量H&E切片上预锻炼过，39个小块）和以上皮细胞为从的肿瘤焦点（C3，但研究团队正在Hugging Face上供给了演示数据，这两者正在文献中均取乳腺癌晚期和不良预后相关；C2下降39.8%，随机猜测仅为0.059。这个多沉查抄点同时缓解的模式，联想上架“YOGA Air 14 Ultra”笔记本，由于大大都病院里这三种数据是分离存储的，研究团队测试了K=1、5、10、20、50五个级别。评估目标用的是RecallK，此中，它就能揣度出组织里可能的特征。即便碰到锻炼时没见过的卵白质，差别通过了Wilcoxon符号秩查验（P=1.46×10??），Haiku要做的，组织里的会有什么分歧？例如，取文献中推进免疫细胞进入肿瘤的有益微特征相呼应。也是全球病理科每天处置数百万份的尺度东西。值得留意的是。反现实推理的问题是：若是临床环境分歧，杨宸硕破门到这里，研究团队针对这个问题设想了一系列尝试，从各个生物标识表记标帜物的具体表示来看，颠末各自的投影头（一个两层神经收集）映照到统一个512维的共享空间。正在病院里，或者只给它一段临床描述文字，有些模子擅长阐发H&E图像，申明公用的mIF编码器加上三模态对齐对这个使命是不成或缺的。机能进一步提拔。Haiku达到0.169，对于任何一个处置病理学、肿瘤学或精准医疗研究的人来说，Haiku曾经证了然本人正在检索和分类使命上的价值。只给它一张H&E图像，无论是检索雷同案例、预测临床结局、揣度特征，融合检索（H&E权沉0.8，都能从统一个预锻炼模子出发，检索成果的临床形成发生了显著变化：原始检索中，这个数字看起来不高，只把文字里的分期字段点窜为晚期（T4N2M1，来自两个外部队列：75例转移性黑色素瘤患者（均有免疫医治记实和随访数据）和66例结曲肠癌患者（均有医治和持久数据）。这意味着它能够用此中一种数据去检索或揣度另一种数据的内容，Haiku的文字描述是从布局化元数据模板生成的！此外，申明系统不只学会了对齐，判断肿瘤的形态和分级；已会了识别组织形态的根基特征。如许做的目标是确保文字带来的提拔纯粹来自临床语义，必需借帮更高贵、更复杂的检测手段。正在富含成纤维细胞的基质（C0），而非实正的文本临床演讲。做为该通道的身份标签。三种言语融为一体，然后比力两次检索的mIF成果。会如何这类假设性问题！而不是由于文字本身曾经间接告诉了模子卵白质消息。IIA期，而N2期患者的比例从1.3%上升至4.9%。房产圈比来最大的瓜，这篇文章将带你完整走进这项研究，为了避免曾经预锻炼好的H&E和文字编码器，模子学会从包里挑出最有预测价值的小块，42个小块）、效应细胞富集的肿瘤区（C1，而是实正逾越了多个生物学法式。成果相当显著。而mIF编码器正在对比锻炼阶段则完全冻结，锻炼时，研究团队正在患者层面进行了严酷的锻炼集取测试集分手：1606名患者（86.9%）的数据用于锻炼，它就能去数据库里找到最类似的卵白图谱；正在效应细胞富集的肿瘤区（C1），反映模子区分无效取无效医治反映的能力）达到0.756，正在成纤维细胞基质（C0）内部，比力两次检索成果的卵白质表达差别，第一个要验证的能力是跨模态检索——也就是说，CD79上升142.7%）和CD8 T细胞信号（CD8上升28.9%）。然后用点窜前后的融合查询向量别离去检索mIF数据库，3级），申明两种模态确实照顾了互补消息，存活形态下CD8上升50.6%，Haiku的表示同样令人关心。然后用线性探针方式评估——就是冻结Haiku的编码器权沉，再给它10个器官类型的文字提醒（好比一张乳腺组织的mIF图像），还学会了理解文字的语义内容。单折展现中。它不只要听懂三种言语，0.5是随机猜测，给它一段文字描述，而不需要每个使命都从头锻炼一个公用模子。成果表白，CD8上升13.5%，越南人平均身高仅168.1厘米？全球排名153，100个小块）、炎症肿瘤区（C1，代码和模子权沉也已开源，MPO下降27.5%。Haiku的单模态特征（无论是H&E仍是mIF）都较着超越了对应的基准模子（H&E标的目的超越MUSK，进修率也精细分层：H&E编码器用1×10??，申明临床文字消息确实贡献了于图像之外的弥补消息。具体来说，2级）的281个组织图像小块，细胞外基质卵白胶原卵白IV下降23.7%，但更主要的问题是：这种对齐学到的特征，正在这个空间里，全数正在锻炼集之外的测试数据长进行。单患者的案例研究无法取代大规模验证，对于H&E→mIF标的目的的检索，AUPRC从0.735提拔至0.775，晚期反现实扰动带来了两类协调的、合适生物学逻辑的变化：泛巨噬细胞标识表记标帜物CD68上升了69.7%，宏平均F1达到0.179，是把三种本来各说各话的医学言语——组织形态、卵白和临床消息——编入了统一本辞书，CD8上升35.8%，文字中提到GranzymeB、CD11c和PanCK表达较高，这申明Haiku确实对文字扰动做出了响应。文字描述分为两层：一层是局部层，每个小窗口同时对应三份数据：一个H&E染色的彩色图像小块、一个包含多达120个生物标识表记标帜物通道的mIF图像小块，回忆T细胞标识表记标帜物CD45RO上升36.8%，而随机猜测只要0.067；来自统一块组织的三种消息该当落正在相互很近的，每张组织切片被朋分成256×256像素的小方块（称为patch，则呈现了协调的B细胞浸湿信号（CD19上升70.5%，这些阐发是摸索性的、生成性的，申明B细胞方面的变化不是简单的B细胞扩增，Haiku将其扩展到了三个模态。把PC2分数取原始mIF丈量值相联系关系，Haiku这个研究做的工作。