该文介绍了一种因果驱动的正则化方案，通过使用辅助标签和因果图的条件独立性，鼓励学习不依赖于简便但不可靠关联的预测模型的灵活方法，从而训练出更加鲁棒的预测器。该方案具有良好的泛化和更好的有限样本效率，即使没有简捷方式存在。

该文介绍了一种基于异构图的框架，利用细胞核的不同类型之间的相互关系进行WSI分析。该框架采用了新的异构图边属性转换器和基于伪标签的语义一致汇聚机制，并采用因果驱动的方法来解决现有关联定位方法的局限性。实验证明，该框架在各种任务上相比现有方法具有显著的优势。