La identificación precisa de subtipos de cáncer a partir de imágenes de toda la diapositiva (WSIs) es fundamental para adaptar terapias específicas para cada paciente. Bajo el paradigma de aprendizaje de múltiples instancias débilmente supervisado (MIL), las técnicas existentes a menudo no logran capturar simultáneamente las texturas locales del tejido y las relaciones contextuales a larga distancia. Para abordar estos desafíos, presentamos ConvMixerSSM, un modelo híbrido que integra un bloque ConvMixer para la representación espacial local, un bloque de modelo de espacio de estados (SSM) para capturar dependencias a larga distancia y un bloque de compuerta de características para mejorar la selección de características informativas. El modelo fue evaluado en el conjunto de datos TCGA-NSCLC y en el conjunto de datos CAMELYON16 para tareas de subtipificación de cáncer. Se realizaron experimentos extensos, incluidas comparaciones con métodos MIL de vanguardia y estudios de ablación, para evaluar la contribución de cada componente. ConvMixerSSM logró un AUC del 97.83%, una precisión del 91.82% y una puntuación F1 del 91.18%, superando a los baselines MIL existentes en el conjunto de datos TCGA-NSCLC. El estudio de ablación reveló que cada bloque contribuyó positivamente al rendimiento, siendo el modelo completo el que mostró los resultados más equilibrados y superiores. Además, nuestros resultados de visualización confirman aún más que ConvMixerSSM puede identificar eficazmente regiones tumorales dentro de las WSIs, proporcionando interpretabilidad del modelo y relevancia clínica. Estos hallazgos sugieren que ConvMixerSSM tiene un fuerte potencial para avanzar en aplicaciones de patología computacional en la toma de decisiones clínicas.