본 논문은 거대 크기의 조직 병리학 이미지(WSI)를 효율적으로 분석하기 위한 딥 강화 학습 기반 접근법인 SASHA(Sequential Attention-based Sampling for Histopathological Analysis)를 제안합니다. SASHA는 경량화된 계층적 어텐션 기반 다중 인스턴스 학습(MIL) 모델을 사용하여 정보가 풍부한 특징을 학습하고, 이를 바탕으로 전체 이미지의 10-20%에 해당하는 고해상도 패치를 선택적으로 샘플링하여 신뢰할 수 있는 진단을 수행합니다. 기존의 고해상도 전체 분석 방법과 동등한 성능을 훨씬 적은 계산 비용 및 메모리 사용량으로 달성하며, 기존의 희소 샘플링 방법보다도 성능이 뛰어납니다. 이는 진단 정보가 이미지의 일부에만 국한된 대용량 의료 영상 자동 진단 문제에 대한 효율적인 해결책을 제시합니다.