一張百萬像素級的病理切片不僅無法以標準電腦架構處理且可能僅有一個專業的醫師標註，這讓所有的AI模型捉襟見肘。本團隊成功設計全球首創之弱監督式多實例AI學習框架，從百萬像素級病理切片上，完成大腸直腸癌病患基因表現及預後狀況預測任務，並在多個不同世代族群病患資料上成功驗證。

我們的研究成功輔助並預測了大腸直腸癌患者的整體生存期，並找出他們與病理切片檢查間明確的關聯。透過這樣先進的數位病理預測系統，醫師不再是猜測患者的存活率，而是可以透過AI系統來清楚解釋患者預後與病理切片間的關聯性，這對臨床醫師在擬定治療計畫上更有幫助。

本團隊成功解決了巨量像素影像無法在現今AI硬體運算上的困難，也解決了人為標註不足的問題，使數位病理於深度學習模型訓練後，可以在臨床場域上更快速地提供醫師往常耗時費工方能獲得的資訊，更能協助醫師做更精準的決策判斷。也同時驗證了從數位病理影像上，能夠直接進行特定基因表現特徵的辨識及病患預後的預測任務。