EventHorizon：临床流式细胞术基础模型

流式细胞术是血液系统恶性肿瘤诊断中的关键工具，但现有临床工作流程在很大程度上依赖专家的人工解读。现有机器学习方法通常需要大量标注数据，并且对检测面板设计、仪器设备及实验室工作流程的差异高度敏感，从而限制了其泛化能力。我们提出了 EventHorizon，这是一种面向临床流式细胞术的自监督基础模型，能够从异构多面板数据中生成统一的标本级表征。EventHorizon 采用两阶段层次化 Transformer 架构，并结合标记物感知的词元化方法，使得在不同抗体面板下测量得到的细胞能够无缝整合到单一共享潜在空间中。我们在一个包含超过 100,000 份临床标本、覆盖 17 种不同面板的数据集上，使用受 DINO 启发的自蒸馏策略，并结合多种流式细胞术特异性增强方法对模型进行预训练。我们在三个具有临床相关性的分类任务上对所得嵌入进行了评估，这些任务涵盖常见面板和罕见面板；结果表明，对冻结的 EventHorizon 嵌入仅采用简单的 k 近邻探测，其性能即可达到与一个全监督基线模型及一个既有面板特异性自监督模型相当的水平。为确保 EventHorizon 并非仅仅在利用诸如某一标本所使用的标记物/面板之类的特征进行“捷径学习”，我们对 EventHorizon 的潜在空间进行了图论分析，结果表明标本嵌入的组织方式主要由生物学诊断决定。综上，这些结果表明，EventHorizon 能够从临床流式细胞术数据中生成具有生物学意义且与面板无关的标本表征；经过进一步开发与验证后，它有望为多样化临床实验室环境中的可扩展、可复现诊断支持提供潜在基础。

本网站正在使用一项安全服务来保护自身免受在线攻击。您刚才执行的操作触发了该安全防护机制。可能导致此拦截的行为有多种，包括提交某个特定词语或短语、SQL 命令，或格式错误的数据。

您可以向网站所有者发送电子邮件，告知您被拦截的情况。请在邮件中说明当该页面出现时您正在进行的操作，并附上本页面底部显示的 Cloudflare Ray ID。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.06.18.733197v1?rss=1

🏷️ 流式细胞术 自监督学习 基础模型 Transformer 血液肿瘤诊断 临床表征学习