SurvAgent：基于层次化链式思维增强的分层案例银行与二分法多智能体系统用于多模态生存预测
计算机视觉与模式识别
2025-11-21 v1 计算与语言
摘要
生存分析对癌症预后和治疗规划至关重要，但现有方法缺乏临床采纳所必需的透明度。虽然最近的病理智能体在诊断任务中展示了可解释性，但在生存预测方面面临三个局限：无法集成多模态数据、区域感兴趣探索无效、无法利用历史案例的经验学习。我们引入SurvAgent，这是首个针对多模态生存预测的层次化链式思维(CoT)增强多智能体系统。SurvAgent包含两个阶段：(1)WSI-Gene CoT增强的案例银行构建通过低放大筛查、跨模态相似度感知补丁挖掘和置信度感知补丁挖掘处理病理图像，同时基因分层分析处理六类功能基因。两者生成带CoT推理的结构化报告，存储完整的分析过程以用于经验学习。(2)二分法多专家智能体推断通过RAG检索相似案例，并通过渐进式区间细化整合多模态报告和专家预测。针对五个TCGA队列的广泛实验表明，SurvAgent在常规方法、专有MLLM和医学智能体方面表现优异，确立了可解释AI驱动的精准肿瘤学生存预测的新范式。
引用
@article{arxiv.2511.16635,
title = {SurvAgent: Hierarchical CoT-Enhanced Case Banking and Dichotomy-Based Multi-Agent System for Multimodal Survival Prediction},
author = {Guolin Huang and Wenting Chen and Jiaqi Yang and Xinheng Lyu and Xiaoling Luo and Sen Yang and Xiaohan Xing and Linlin Shen},
journal= {arXiv preprint arXiv:2511.16635},
year = {2025}
}
备注
20 pages