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/