日前，我院胡忠良教授团队与清华大学江瑞教授团队在著名人工智能杂志Nature Machine Intelligence ( 《自然机器智能》影响因子: 18.8)上合作发表论文A transformer-based weakly supervised computational pathology  method for clinical-grade diagnosis and molecular state revelation  of gliomas（一种基于转换器的为胶质瘤临床诊断和分子标记物发现的弱监督计算病理方法）。我院胡忠良教授、清华大学闾海荣教授和张学工教授为论文的共同通讯作者，清华大学江瑞教授、尹小旭、杨鹏帅博士和湘雅医院病理科研究生程灵超为并列第一作者。湘雅医院病理科王颖、傅晓丹、李丽玲、蔺薇对该研究做出了重要贡献。

胶质瘤是最常见的原发性颅内肿瘤，其组织病理学分类复杂，每种亚型根据其生物学行为又进一步分为若干等级。准确的分类和分级对胶质瘤的预后评估和治疗至关重要。胶质瘤病理诊断标准复杂，对基于计算病理学方法的精准诊断提出了很大的挑战。本文提出基于大兴趣区域的多实例学习模型ROAM和新的金字塔转换器，进行胶质瘤数字病理切片的临床病理诊断和分子标记物的挖掘。本模型能自动捕获神经病理专科医师认可的各型胶质瘤的关键形态学特征，所以能为胶质瘤数字病理切片提供准确、可靠的辅助诊断。此外，本文利用人工智能的可视化，抽提出了IDH突变型胶质瘤的形态学特征，病理医生通过观察胶质瘤HE形态，可以预判其IDH基因的突变状态，为肿瘤形态学与关键分子改变的相关性研究提供了一个范例。

ROAM的基本框架和结构

胡忠良教授团队主要从事病理数智化研究，目前已在American Journal of Surgical Pathology和Histopathology等临床病理国际权威期刊发表论文多篇，并已申报病理数智化发明专利2项；正与清华大学江瑞教授团队合作开展病理基础大模型研究，旨在解决病理诊断耗时长的医疗行业痛点。

（一审：胡忠良 二审：闻佳敏 三审：黄河）