面向基于证据的计算病理学的多模态智能体协同助手

# A Multi-modal Agentic Co-pilot for Evidence Grounded Computational Pathology
Source: https://arxiv.org/abs/2606.08093
Authors:Zhe Xu (https://arxiv.org/search/cs?searchtype=author&query=Xu,+Z),Zhengyu Zhang (https://arxiv.org/search/cs?searchtype=author&query=Zhang,+Z),Zhiyuan Cai (https://arxiv.org/search/cs?searchtype=author&query=Cai,+Z),Jiahao Xu (https://arxiv.org/search/cs?searchtype=author&query=Xu,+J),Yijie Lin (https://arxiv.org/search/cs?searchtype=author&query=Lin,+Y),Ziyi Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+Z),Junlin Hou (https://arxiv.org/search/cs?searchtype=author&query=Hou,+J),Hongyi Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+H),Yuxiang Nie (https://arxiv.org/search/cs?searchtype=author&query=Nie,+Y),Ling Liang (https://arxiv.org/search/cs?searchtype=author&query=Liang,+L),Yihui Wang (https://arxiv.org/search/cs?searchtype=author&query=Wang,+Y),Yingxue Xu (https://arxiv.org/search/cs?searchtype=author&query=Xu,+Y),Ronald Cheong Kin Chan (https://arxiv.org/search/cs?searchtype=author&query=Chan,+R+C+K),Li Liang (https://arxiv.org/search/cs?searchtype=author&query=Liang,+L),Hao Chen (https://arxiv.org/search/cs?searchtype=author&query=Chen,+H)

查看 PDF (https://arxiv.org/pdf/2606.08093)

> **摘要：**病理学是现代医学的基石，准确的决策高度依赖于循证实践。虽然人工智能（AI）有潜力变革临床工作流程，但AI与循证医学的交叉领域仍探索不足，现有初步尝试仅限于纯文本的一般医学场景。在这项工作中，我们提出了PathPocket，一个专为循证病理学设计的多模态AI智能体副驾驶。我们构建了迄今为止最全面的病理学证据语料库，包含约110,472份公开和授权文档，这些文档按照从临床指南到专家意见的严格证据等级层次结构组织。基于这一经过精心分级的语料库，我们建立了一个大规模多模态病理学超图，包含超过455万个实体和710万条关系。该超图作为一个强大的知识引擎，为协同多智能体推理框架提供了可溯源的证据，该框架集成了输入理解、证据检索、过滤和诊断生成。这使得PathPocket能够无缝解决广泛的临床任务，从纯文本查询到涉及感兴趣区域（ROI）和千兆像素全切片图像（WSI）的复杂多模态诊断。我们在一个包含超过20万真实病例的多维基准上对该系统进行了严格评估，其性能显著优于现有最先进方法。至关重要的是，广泛的用户研究表明，PathPocket显著提高了病理学家的诊断准确性和信心。通过将病理学解释直接建立在可验证的文献基础上，PathPocket为未来循证计算病理学提供了一种实用且可扩展的解决方案。

## 提交历史

来自：Zhe Xu \[查看邮件 (https://arxiv.org/show-email/819d8534/2606.08093)\] **\[v1\]**2026年6月6日 星期六 10:36:30 UTC (3,285 KB)