状态感知交互 MIL：以病理基础表示预测罕见联合分子表型

联合分子表型预测因联合阳性群体较小和不同分子状态之间重叠的组织学特征而变得复杂。现有的计算病理学方法通常独立预测生物标志物或将联合阳性表型制定为二元终点。独立预测不会对生物标志物特异性组织学表示之间的相互作用进行建模，而二元联合预测将双阴性和两个单阳性配置折叠成单个阴性类别。我们提出了状态感知交互 MIL，这是一种弱监督方法，可以保留生物标志物特异性的组织学表征，模拟它们的相互作用，并监督完整的四态分子配置。我们使用冷冻 UNI2-h 和 CONCH 病理学基础模型表示来评估所提出的结直肠癌联合 BRAF+/MSI+ 预测和肺腺癌 EGFR+/TP53+ 预测的方法。通过 UNI2-h，State-Aware Interaction MIL 在结直肠癌中的平均 精度 为 0.5566（联合阳性患病率 6.8%），而 NaiveMTL 为 0.5161；在肺腺癌中的平均 精度（联合阳性患病率为 8.6%）为 0.2784，而 IndependentPair 为 0.2525。借助 CONCH，State-Aware 在结直肠癌中的平均 精度 为 0.4410，而 DirectJoint 为 0.3932；在肺腺癌中，State-Aware 为 0.1659，而 DirectJoint 为 0.1226。这些结果表明，病理学基础模型表示包含罕见关节分子表型的预测信息，并且在结构化分子状态公式中保留生物标志物特异性表示可以改善组织病理学对这些表型的预测。