組織生検断面の視覚的検査は、がん診断において基盤的な役割を果たしており、病理医は複数の倍率で断面を分析し、腫瘍細胞およびその亜型を同定している。しかし、がん診断における全スライド画像（WSI）を分析するための従来の注目メカニズムを備えた複数インスタンス学習（MIL）モデルは、腫瘍領域と隣接するタイル間の文脈情報を無視しがちであり、誤分類を引き起こす要因となっている。この課題に対処するため、本研究では文脈に配慮した複数インスタンス学習（CAMIL）アーキテクチャを提案する。CAMILは、WSI内のタイル間の依存関係を考慮するための隣接制約付き注目機構を導入し、文脈的制約を事前知識としてMILモデルに統合している。本手法は、非小細胞肺がんの亜型分類（TCGA-NSCLC）、およびリンパ節転移の検出（CAMELYON16およびCAMELYON17）の評価において、それぞれ97.5％、95.9％、88.1％のテストAUCを達成し、他の最先端手法を上回る性能を示した。さらに、CAMILは診断価値の高い領域を特定することで、モデルの解釈可能性を向上させている。