免标注病理图预测
通过代理注意力Transformer从全切片病理图像直接预测MammaPrint风险分组，无需人工标注，并能在空间和形态上解析复发相关特征。
Yan, Chaoyang · 钱晓龙 · Huang, Zhidong · Zhihan, Ruan · Liu, Hong · 刘剑
Advanced Science 2025
模型采用弱监督学习，直接处理未标注的全切片图像，省去病理学家逐区域标注的繁重工作，降低使用门槛。
模型能够定位全切片图像中的肿瘤区域，并识别与MP风险组相关的细胞间相互作用模式，提供基因组检测无法提供的形态学视角。
在外部验证队列中，模型预测的高风险组与远处转移风险显著相关（HR 3.14），表明其可作为基因组评估的补充预后工具。