普及病理协作飞行员：面向whole-slide视觉语言建模的开放管道与数据集

视觉语言模型（VLMs）有望成为病理学家的协作飞行员。然而，大多数VLMs要么聚焦于whole-slide images（WSI）中小范围兴趣区域，要么仅提供slide-level的静态输出，要么依赖不可公开获取的数据，限制了可重复性。此外，训练数据中WSI与详细临床报告配对的情况稀缺，限制了向透明和通用的VLMs推进的进程。我们通过三个主要贡献来解决这些限制。首先，我们引入Polysome，一个用于合成指令生成的标准化工具。其次，我们将Polysome应用于公共HISTAI数据集，生成HISTAI-Instruct，一个覆盖24,259个切片、超过110万条指令-响应对的大型whole-slide指令调优数据集。最后，我们使用HISTAI-Instruct训练ANTONI-{\alpha}，一个能够视觉-问题回答（VQA）的VLM。我们展示了ANTONI-{\alpha}在组织识别、肿瘤检测和差异诊断等WSI级别VQA任务中优于MedGemma。我们还比较了使用不同数据量训练的ANTONI-{\alpha}的多个版本。所有方法、数据和代码均公开可用。