PathAgent：基于大语言模型的代理推理，用于全切片病理图像的可解释分析
计算机视觉与模式识别
2025-11-24 v1
摘要
分析全切片组织块图像 (WSI) 需要一种迭代、基于证据的推理过程，这类似于病理学家在收集证据时动态放大、重新聚焦和自我纠正的过程。然而，现有的计算流程往往缺乏这种明确的推理轨迹，导致预测本质上不可解释且难以合理化。为弥合这一差距，我们提出了 PathAgent，一个无需训练的、基于大语言模型 (LLM) 的代理框架，模拟了人类专家的反思性、逐步推理方法。PathAgent 能够自主探索 WSIs，通过 Navigator 模块迭代精确定位关键微区域，通过 Perceptor 提取形态视觉线索，并将这些发现集成到不断演化的自然语言轨迹中。整个观察和决策序列形成明确的链式思维，产生完全可解释的预测。在五个具有挑战性的数据集上进行的评估表明，PathAgent 在零样本泛化方面表现出色，在开放式和受限的视觉问答任务中均优于任务特定的基线方法。此外，与人类病理学家的协作评估确认了 PathAgent 作为透明且临床导向诊断助理的前景。
引用
@article{arxiv.2511.17052,
title = {PathAgent: Toward Interpretable Analysis of Whole-slide Pathology Images via Large Language Model-based Agentic Reasoning},
author = {Jingyun Chen and Linghan Cai and Zhikang Wang and Yi Huang and Songhan Jiang and Shenjin Huang and Hongpeng Wang and Yongbing Zhang},
journal= {arXiv preprint arXiv:2511.17052},
year = {2025}
}
备注
11 pages, 6 figures