本稿では、AIを用いたバイオマーカーが、ヘマトキシリン・エオシンスライドから分子特徴を直接推測できることを紹介しています。しかし、従来の病理基盤モデルはグローバルなパッチレベルの埋め込みに依存し、細胞レベルの形態を無視していることが問題視されています。新たに提案されたJWTH（共同加重トークン階層）モデルは、大規模な自己教師あり事前学習と細胞中心の微調整、注意プーリングを統合し、局所トークンとグローバルトークンを融合します。4つのバイオマーカーと8つのコホートに関する4つのタスクで評価した結果、JWTHは従来のモデルに比べ、バランスの取れた精度が最大で8.3%向上し、解釈可能で堅牢なAIバイオマーカー検出を推進しています。