沙丘社区
论文

迈向病理学中可审计的神经符号推理：SQL 作为显式证据轨迹

Toward Auditable Neuro-Symbolic Reasoning in Pathology: SQL as an Explicit Trace of Evidence

Kewen Cao, Jianxu Chen, Yongbing Zhang, Ye Zhang, Hongxiao Wang
智能体系统Agent 工具调用

摘要

自动化病理图像分析是临床诊断的核心，但临床医生仍会追问：是哪些切片特征驱动了模型的决策，原因何在。视觉-语言模型能够生成自然语言解释，但这些解释往往只体现相关性，缺乏可验证的证据。本文提出一个以 SQL 为中心的 Agent 框架，使特征测量与推理均可审计。具体而言，在抽取人类可理解的细胞特征之后，特征推理 Agent 在特征表上编写并执行 SQL 查询，将视觉证据聚合为定量发现；随后，知识比较 Agent 将这些发现与既有的病理学知识进行比对，模拟病理学家依据可测量观察来论证诊断的方式。在两个病理视觉问答数据集上的大量实验表明，我们的方法提升了可解释性与决策可追溯性，并产出将细胞测量与诊断结论关联起来的可执行 SQL 轨迹。

迈向病理学中可审计的神经符号推理：SQL 作为显式证据轨迹 配图
图 1：所提出框架的概览。该框架将构建于多尺度特征数据库之上的 SQL 推理分支与用于视觉推理的 CNN 模型相结合。SQL 分支采用特征推理智能体（Feature Reasoning Agents）构建可审计的查询，并由知识比较智能体（Knowledge Comparison Agent）依据诊断标准对结果进行验证以形成假设；随后由报告智能体（Report Agent）将该假设与 CNN 输出融合，得到带有可审计推理链的最终诊断预测。