HERO：从组学中进行假设驱动的多任务乳腺癌分析证据检索

匹配的多组学可以改善基于 WSI 的生物标志物和预后预测，但大多数现有流程使用组学作为并行特征流或文本上下文，而不是作为显式检索约束。 HERO 询问观察到的组学是否可以成为可测试的形态学假设：稀疏形态学路径先验将 DNA 甲基化和 miRNA 映射到 K 维意图向量 m (K=16)，对结构化的10段描述进行 TF-IDF 检索选择端点相关区域，余弦门 c=cos(m,v) 在 c<τc 时触发确定性赤字驱动修复。这种闭环设计限制了 VLM 调用，减少了对基于嵌入的语义匹配的依赖，并使每个检索和验证步骤都可以进行词法审核。在 TCGA-BRCA（930WSI，患者水平 5 倍 CV）上，HERO 在 ER、PR、HER2、亚型和风险预测方面树立了新的最先进水平，优于多模态融合和基于 VLM 的基线。