本文提出了一种基于深度学习的多实例学习方法，用于从组织病理学图像中识别癌症亚型，测试结果显示其准确性优于传统方法。研究强调了该方法在癌症检测中的应用潜力，并提出了染色规范化模型以提高特征泛化能力，解决了数字病理学中的特征聚类问题。

该研究提出了一个基于注意力机制的无监督对比学习框架（AMUCL），用于分析癌症多组学数据以识别和表征癌症亚型。DMACL模型用于学习多组学数据特征和聚类，并识别新的癌症亚型。该方法在单细胞和癌症多组学数据集上获得了较好的聚类结果，并揭示了AML的六个癌症亚型。通过GO功能富集分析和GSEA进一步提高了解释能力。