📄 论文总结
病理学思维链：从专家诊断行为中学习视觉推理 / Pathology-CoT: Learning Visual Reasoning from Expert Diagnostic Behavior
1️⃣ 一句话总结
本研究提出了一种从病理学家诊断行为中学习视觉思维链的方法，通过AI会话记录器构建Pathology-CoT数据集，并开发了Pathologist-o3代理系统，在结直肠癌转移检测任务中实现了卓越性能。
2️⃣ 论文创新点
1. AI会话记录器
- 创新点：与标准全切片图像查看器配合，无干扰地记录常规导航行为，将查看日志转换为标准化行为命令和边界框
- 区别/改进：解决了专家查看行为数据缺乏的问题，将隐性经验转化为可计算形式
- 意义：为病理学代理系统提供可扩展的、临床对齐的监督数据
2. Pathology-CoT数据集
- 创新点：通过轻量级人工审查将AI草稿的推理转化为配对的'看哪里'和'为什么重要'的监督数据
- 区别/改进：标注时间降低约六倍
- 意义：提供了行为引导推理的训练基础
3. Pathologist-o3代理系统
- 创新点：两阶段代理系统，首先提出感兴趣区域，然后执行行为引导推理
- 区别/改进：在结直肠癌转移检测中超越最先进的OpenAI o3模型
- 意义：建立了病理学中首批基于行为的代理系统之一
3️⃣ 主要结果与价值
结果亮点
- 在结直肠癌转移检测中达到84.5%精确率、100%召回率和75.4%准确率
- 在外部验证数据集LNCO2上表现出良好泛化能力，准确率达69.4%
- 半自动化验证流程相比手动输入和听写分别快5-6倍和3-4倍
实际价值
- 显著降低高质量数据标注成本，支持可扩展的病理AI系统构建
- 为医学AI社区提供程序化行为监督的新模式
- 模块化系统设计确保面向未来，可整合新一代模型
4️⃣ 术语表
- Pathology-CoT：从专家全切片图像诊断行为中学习视觉思维链的方法
- WSI：全切片图像，数字病理学中的千兆像素级图像
- AI Session Recorder：将原始数字病理学交互日志转换为结构化、代理就绪数据集的系统
- Pathologist-o3：任务条件化智能体，模拟病理学家工作流程，结合行为预测和VLM推理进行诊断
- Behavior Predictor：基于Pathology-CoT数据集训练的行为预测器，用于在新切片上提出诊断ROI
- ROI：感兴趣区域，在病理图像分析中指需要重点检查的诊断相关区域
- Gemini-2.5-pro：高性能视觉语言模型，在病理诊断任务中表现最佳，准确率75.38%，但成本较高