Mittmann, G., Laiouar-Pedari, S., Mehrtens, H. A., Haggenmüller, S., Bucher, T., Chanda, T., Gaisa, N. T., Wagner, M., Klamminger, G. G., Rau, T. T., Neppl, C., Compérat, E. M., Gocht, A., Haemmerle, M., Rupp, N. J., Westhoff, J., Krücken, I., Seidl, M., Schürch, C. M., Bauer, M., Solass, W., Tam, Y. C., Weber, F., Grobholz, R., Augustyniak, J., Kalinski, T., Hörner, C., Mertz, K. D., Döring, C., Erbersdobler, A., Deubler, G., Bremmer, F., Sommer, U., Brodhun, M., Griffin, J., Lenon, M. S. L., Trpkov, K., Cheng, L., Chen, F., Levi, A., Cai, G., Nguyen, T. Q., Amin, A., Cimadamore, A., Shabaik, A., Manucha, V., Ahmad, N., Messias, N., Sanguedolce, F., Taheri, D., Baraban, E., Jia, L., Shah, R. B., Siadat, F., Swarbrick, N., Park, K., Hassan, O., Sakhaie, S., Downes, M. R., Miyamoto, H., Williamson, S. R., Holland-Letz, T., Wies, C., Schneider, C. V., Kather, J. N., Tolkach, Y., Brinker, T. J. (2025). Pathologist-like explainable AI for interpretable Gleason grading in prostate cancer. Nature Communications. https://doi.org/10.1038/s41467-025-64712-4