
تقنية تعلم عميق تتنبأ بالتعبير الجيني من بيانات التصوير الطبي مثل الأنسجة أو الرنين المغناطيسي.الربط بين الصور الطبية والجينوم هو نهج تعلم عميق يسد الفجوة بين البيانات الطبية البصرية—مثل شرائح الأنسجة أو صور الرنين المغناطيسي أو الأشعة المقطعية—والحالة الجزيئية الكامنة للأنسجة، وخاصة التعبير الجيني. بدلاً من الحاجة إلى تسلسل جينومي مكلف وغزوي لكل عينة، تتعلم هذه النماذج استنتاج أنماط النشاط الجيني مباشرة من الصور. هذا مهم لأنه قد يجعل التحليل الجينومي أكثر سهولة وسرعة وأقل تكلفة، مما يتيح الطب الشخصي في البيئات التي لا يكون فيها التسلسل الجيني روتينياً.
اكتسب هذا المجال زخماً في أواخر العقد الثاني من القرن الحادي والعشرين مع صعود التعلم العميق في علم الأمراض، ولا سيما مع دراسات أظهرت أنه يمكن التنبؤ بالتعبير الجيني من صور الشرائح الكاملة المصبوغة بالهيماتوكسيلين والإيوسين (H&E). الأصل الدقيق غير محدد، لكن الأعمال المبكرة الرئيسية ظهرت حوالي عام 2019-2020.
تستخدم هذه التقنية عادةً شبكة عصبية التفافية (CNN) أو محول رؤية لاستخراج الميزات من الصور الطبية. ثم تُربط هذه الميزات، غالباً من خلال رأس انحدار أو إطار تعلم متعدد المهام، للتنبؤ بمستويات التعبير لآلاف الجينات في وقت واحد. يُدرَّب النموذج على مجموعات بيانات مقترنة حيث تكون كل من الصورة وملف التعبير الجيني المقابل معروفين، ويتعلم الأنماط البصرية التي ترتبط بالنشاط الجزيئي.
يُستخدم في أبحاث السرطان لاستنتاج الأنواع الفرعية الجزيئية والطفرات من شرائح الأنسجة الروتينية، مما قد يوجه قرارات العلاج دون اختبارات جينومية إضافية.
يمكن لبعض النماذج التنبؤ بالتعبير الجيني من صور الرنين المغناطيسي، وليس فقط من الأنسجة، مما يفتح الباب أمام التنميط الجينومي غير الغزوي لأورام الدماغ.





















