大腸癌（CRC）の予後の正確な層別化は高い異質性から未だ大きな臨床的課題として残っている。従来のTNM分類は個別化医療には不十分である。本研究では、組織病理学的全スライド画像を用いた新しいマルチインスタンス学習モデルTDAM-CRCを開発し、予後予測の精度向上とそのメカニズム解明を目指した。モデルはTCGA発見コホート（n=581）で訓練され、独立した外部コホート（n=1031）で検証された。その結果、TDAM-CRCは従来の臨床ステージングシステムを大きく上回る予測性能を示し、リスクスコアは独立した予後因子であることが確認された。また、高リスクサブタイプは代謝再プログラミングおよび免疫抑制性腫瘍微小環境と関連があることが分かった。MRPL37という重要なハブ遺伝子が同定され、高発現が良好な予後と関連していた。最終的に、TDAM-CRCのリスクスコアと臨床因子を組み合わせたノモグラムが開発され、CRC患者のための精密かつ解釈可能な臨床意思決定ツールとして提供された。