余坤興

余坤興（Kun-Hsing Yu），男，博士，現任哈佛醫學院生物醫學信息學副教授，並任美國布萊根婦女醫院病理學助理教授及哈佛大學陳曾熙公共衛生學院流行病學講師。其曾獲美國醫學信息學會新研究者獎、哈佛醫學院院長創新獎、美國國防部職業發展獎、谷歌研究學者獎等獎項。

余坤興先後畢業於台灣大學（醫學博士，2004-2011）、史丹福大學（生物醫學信息學博士，輔修計算機科學，2012-2016）。他開發了首個全自動人工智慧算法，用於從全切片組織病理學圖像中提取數千個特徵，並發現了腫瘤細胞微觀表型的分子機制。余坤興的研究方向為定量病理學、機器學習與轉化生物信息學，聚焦AI在癌症病理診斷及臨床實踐中的套用，其團隊整合癌症患者的多組學譜與定量組織病理學模式以預測臨床表型。2024年9月作為共同通訊作者在《Nature》發表論文，提出基於1500萬張病理圖像與60530張全切片圖像訓練的CHIEF模型，可診斷19種癌症（準確率約94%），預測患者存活率及腫瘤微環境特徵，性能優於其他深度學習方法36.1%。2025年，其參與發表了關於多視圖無監督列子集選擇及數字病理學自動聚焦模型等工作的論文。余坤興作為主要研究者承擔美國國立衛生研究院的R01HL174679與R35GM142879項目。

基本介紹

• 中文名：余坤興
• 外文名：Kun-Hsing Yu
• 畢業院校：台灣大學、美國史丹福大學
• 職業：哈佛醫學院生物醫學信息學副教授
  布萊根婦女醫院病理學助理教授
  哈佛大學陳曾熙公共衛生學院流行病學講師
• 性別：男
• 學位：博士
• 學歷：研究生

人物經歷

台灣大學醫學博士（2004-2011）

美國史丹福大學獲得生物醫學信息學博士學位和輔修計算機科學博士學位（2012-2016）

哈佛醫學院生物醫學信息學助理教授

研究方向

定量病理學、機器學習和轉化生物信息學，重點方向是 AI 輔助病理學診斷，尤其是促進癌症病理研究和臨床實踐。其核心研究整合定量組織病理學圖像模式與多組學（基因組、表觀基因組、轉錄組、蛋白質組）數據，以推進癌症研究和臨床實踐。例如，余坤興團隊開發的臨床組織病理學成像評估基礎模型（CHIEF）能夠對19種不同類型的癌症進行診斷，檢測準確率接近94%，並能預測患者存活率、識別與治療反應相關的腫瘤微環境特徵。致力於開發全自動人工智慧算法，大規模分析全切片數字病理圖像，以揭示腫瘤細胞微觀表型背後的分子機制，並發現與患者預後相關的未知細胞形態。

主要成就

余坤興開發了首個全自動人工智慧（AI）算法，用於從全切片組織病理學圖像中提取數千個特徵，揭示了腫瘤細胞微觀表型背後的分子機制，並成功識別出與患者預後相關的、此前未知的細胞形態。

2024年9月，在Nature發表論文《一種用於腫瘤診斷和預後預測的病理基礎模型》（A pathology foundation model for cancer diagnosis and prognosis prediction）。哈佛醫學院 Xiyue Wang 博士和 Junhan Zhao 研究員是共同第一作者，余坤興助理教授和 Sen Yang 研究員擔任共同通訊作者。

余坤興課題組成員

余坤興團隊與合作者基於機器學習，開發了一款臨床組織病理學成像評估基礎（CHIEF，Clinical Histopathology Imaging Evaluation Foundation）模型。通過訓練 1500 萬張未標記的病理圖像和 60530 張覆蓋 19 個解剖部位的全切片圖像（WSI，Whole Slide Image），該模型能夠對 19 種不同類型的癌症進行診斷，檢測準確率接近 94%。此外，該技術還能夠對多種癌症患者的存活率進行預測，並精確識別腫瘤周圍的微環境特徵，這些特徵與患者對手術、化療、放療和免疫療法等常規治療方案的反應密切相關。該模型的性能超過了當下其他先進的深度學習方法高達 36.1%，為癌症診斷和預後預測提供了一個高效且強大的工具。此外，余坤興在肺癌和腦膠質瘤等特定癌症類型的研究上取得了系列成果。在肺癌方面，自2013年起的研究利用機器學習算法區分非小細胞肺癌類型並預測患者生存期，準確率超過80%。在腦膠質瘤方面，其團隊開發的AI技術有助於手術中分析神經膠質瘤類型，輔助手術決策。

作為首席研究員（PI），余坤興領導了多項由美國國立衛生研究院（NIH）資助的研究項目，包括R01HL174679（2024-2027，旨在利用因果人工智慧方法減輕髓系惡性腫瘤患者的血液學不良事件）和R35GM142879（2021-2026，旨在開發穩健、可泛化且公平的生物醫學機器學習模型）。

主要作品

2025年，余坤興參與發表了“Multi-View Unsupervised Column Subset Selection via Combinatorial Search (Student Abstract)”於AAAI 2025、“DeepAf: One-Shot Spatiospectral Auto-Focus Model for Digital Pathology”於MICCAI 2025等論文。2024年，作為共同通訊作者在《Nature》發表了“A pathology foundation model for cancer diagnosis and prognosis prediction”，並參與了“SpatialCells: automated profiling of tumor microenvironments with spatially resolved multiplexed single-cell data”於Briefings Bioinform.等工作。

2022年至2023年，參與發表了“Ten quick tips for deep learning in biology”於PLoS Comput. Biol.。2020年，發表了“Classifying non-small cell lung cancer types and transcriptomic subtypes using convolutional neural networks”於J. Am. Medical Informatics Assoc.。2018年，發表了“Omics AnalySIs System for PRecision Oncology (OASISPRO): a web-based omics analysis tool for clinical phenotype prediction”於Bioinform.。2017年及更早，參與了如“Subtype Discovery for Autism Spectrum Disorder by Comorbidity Analysis”於AMIA 2017、“Predicting Non-Small Cell Lung Cancer Diagnosis and Prognosis by fully Automated Microscopic Pathology Image Features”於AMIA 2017等論文。

榮譽獎項

余坤興在2025年獲得Convergent Science Virtual Cancer Center (CSVCC) Director’s Award。2024年，余坤興獲得美國醫學信息學協會新研究者獎 (AMIA New Investigator Award)、哈佛醫學院院長創新獎和美國醫學信息學協會會士 (FAMIA)。2023年，余坤興獲得美國國防部職業發展獎。2022年，余坤興獲得谷歌研究學者獎。2021年，余坤興獲得美國國立衛生研究院最大化研究者研究獎 (NIH Maximizing Investigators' Research Award)。2020年，余坤興獲得Blavatnik Center for Computational Biomedicine Award。2018年，余坤興獲得Schlager Family Award for Early Stage Digital Health Innovations。2017年，余坤興獲得哈佛數據科學獎學金和太平洋生物計算研討會嚴謹二次數據分析獎 (Pacific Symposium on Biocomputing (PSB) Rigorous Secondary Data Analysis Award)。2015年，余坤興獲得霍華德·休斯醫學研究所研究獎學金 (Howard Hughes Medical Institute (HHMI) Fellowship)。2012年，余坤興獲得Winston Chen Stanford Graduate Fellow。2010年，余坤興獲得台大醫院最佳實習生獎 (Best Intern Award, National Taiwan University Hospital)。

社會活動

余坤興關注並參與人工智慧在醫學套用中的安全與倫理挑戰的討論，曾發表相關學術論文如“Safety challenges of AI in medicine”（2024）。余坤興通過媒體如DeepTech深科技等向公眾科普其AI病理模型的研究進展與臨床意義。