본 논문은 암 예후 예측을 위한 새로운 프레임워크인 Interpretable Pathology Graph-Transformer (IPGPhormer)를 제안한다. IPGPhormer는 조직 내 종양 미세 환경의 특징을 포착하고 공간적 의존성을 모델링하여 장거리 공간 관계와 국소적 맥락적 의존성 간의 균형을 맞춘다. 기존 방법들과 달리 조직 및 세포 수준 모두에서 해석 가능성을 제공하며, 사후 수동 주석 없이 개별 WSI의 상세 분석과 코호트 간 평가를 가능하게 한다. 네 개의 공개 벤치마크 데이터셋에 대한 종합적인 평가 결과, IPGPhormer는 예측 정확도와 해석 가능성 모두에서 최첨단 방법들을 능가하는 것으로 나타났다. 결론적으로 IPGPhormer는 암 예후 평가를 위한 유망한 도구이며, 병리학에서 더욱 신뢰할 수 있고 해석 가능한 의사결정 지원 시스템을 위한 길을 열어줄 것으로 기대된다.
