CellDX AI Autopilot：基于智能体的病理分类器训练与部署
计算机视觉与模式识别
2026-05-12 v1
摘要
当前训练计算病理学中的 AI 模型需要获取昂贵的全切片图像数据集、GPU 基础设施、机器学习深层专业知识以及大量工程工作。我们提出 CellDX AI Autopilot，一个通过与 AI 智能体进行自然语言交互来训练、评估和部署全切片图像分类器的平台，面向从无 ML 背景的病理学家到运行众多平行实验的 ML 从业者。该平台提供一套结构化的智能体技能，引导用户完成数据集挑选、自动调参、多策略模型比较以及人机协同部署，所有工作均在包含 32,000 例病例和 66,000 块 H&E 染色全切片图像（带预提取特征）的预构建数据集上完成。我们描述了智能体技能架构、支持四种分类策略的基于 Multiple Instance Learning (MIL) 训练框架，以及一种迭代两两超参数搜索（网格或种子随机）方法，使调参成本比穷举搜索降低超过 30 倍。 CellDX AI Autopilot 据我们所知是首个向通用 AI 智能体（如任何基于 LLM 的智能体运行时）公开病理专业化技能和病理专业化训练平台的系统， 实现端到端自动模型训练，无需智能体本身具备领域特定能力。该平台解决了限制诊断病理学采用率的 ML 专业知识瓶颈以及限制研究人员在成本效益方面运行大量实验的工程瓶颈。
引用
@article{arxiv.2605.10362,
title = {CellDX AI Autopilot: Agent-Guided Training and Deployment of Pathology Classifiers},
author = {Alexey Pchelnikov and Aleksei Pchelnikov},
journal= {arXiv preprint arXiv:2605.10362},
year = {2026}
}