本研究解决胆囊癌（GBC）相关生物标志物和分子机制识别的难题，采用机器学习和生物信息学技术比较肿瘤样本和正常样本，识别出146个差异表达基因（DEGs）。研究发现11个关键基因并建立了有效的机器学习模型，对GBC样本进行良好区分，特别是SLIT3、COL7A1和CLDN4与GBC的发展及预后密切相关。

该研究提出了一种高效的多级恶性组织检测方法，可用于早期癌症检测，降低死亡率。使用设计的对抗性 CAC-UNet 的补丁级模型和恶性区域引导标签平滑处理，以消除负面 WSIs，降低误检风险。在结肠镜组织分割和分类任务中取得了最佳结果。