传统全视野病理图像（WSI）虽包含丰富的组织结构信息，但长期难以与单细胞和空间转录组等数据整合，限制了其在多组学研究中的价值。与此同时，现有工具生态割裂、使用门槛高，也阻碍了病理图像在计算生物学中的普及。
LasySlideLazySlide 是一个用于全幻灯片图像（WSI）分析的 Python 框架。LazySlide 的核心是在 SpatialData 基础上构建结构化数据对象WSIData，并无缝融入 scverse 生态，实现标准化、可互操作的图像分析流程。
🧬核心特性：
1️⃣互操作性：基于 SpatialData 构建，确保与 Scanpy、Anndata 和 Squidpy 等 scverse 工具兼容。
2️⃣可访问性：提供用户友好的API，面向数字病理学初学者和专家。
3️⃣可扩展性：高效处理大型 WSI，实现高通量分析。
4️⃣多模态整合：将组织学数据与转录组学、基因组学（组学数据）和文本注释结合。
5️⃣基础模型支持：原生集成多种前沿模型（如UNI、CONCH、Gigapath、Virchow），支持 zero-shot 学习、图像描述等任务。
6️⃣深度学习准备：提供PyTorch数据加载器，实现与机器学习流程的无缝集成。
参考：Nature Methods, 2026, 23, 728–731.
https://lazyslide.readthedocs.io/en/latest/
