CellDX AI Autopilot：代理引导的病理分类器训练和部署

目前，训练计算病理学人工智能模型需要访问昂贵的全幻灯片图像数据集、GPU 基础设施、机器学习方面的深厚专业知识以及大量的工程工作。我们推出了 CellDX AI Autopilot，该平台允许用户（从没有 ML 背景的病理学家到运行许多并行实验的 ML 从业者）通过与 AI 代理的自然语言交互来训练、评估和部署整个幻灯片图像分类器。该平台提供了一套结构化的代理技能，指导用户完成数据集管理、自动超参数调整、多策略模型比较和人机交互部署，所有这些都在包含超过 32,000 个病例和 66,000 张具有预先提取特征的 H&E 染色全幻灯片图像的预构建数据集上进行。我们描述了代理技能架构、支持四种分类策略的底层多实例学习 (MIL) 训练框架，以及迭代成对超参数搜索（网格或种子随机），与穷举搜索相比，它可将调整成本降低 30 倍以上。据我们所知，CellDX AI Autopilot 是第一个向通用 AI 代理（例如任何基于 LLM 的代理运行时）公开病理学专业代理技能和病理学专业训练平台的系统，提供端到端自动化 模型训练，而不要求代理本身是特定于领域的。该平台既解决了限制诊断病理学采用的机器学习专业知识瓶颈，又解决了限制研究人员可以经济高效地运行实验数量的工程瓶颈。