经证据锚定推理的多模态智能体病理学副驾驶

病理学是现代医学的基石，准确的决策在很大程度上依赖于基于证据的实践。虽然人工智能 (AI) 具有改变临床工作流程的潜力，但人工智能与循证医学的交叉点仍未得到充分探索，原始尝试仅限于纯文本普通医学。在这项工作中，我们推出了 PathPocket，这是一款专为基于证据的病理学而设计的多模态 AI 代理副驾驶。我们构建了迄今为止最全面的病理学证据语料库，包含约 110,472 份公开和授权文件，涵盖从临床指南到专家意见的严格证据层次结构。在此精心分级的基础上，我们构建了一个大规模多模态病理学超图，其中包含超过 455 万个实体和 710 万个关系。作为一个强大的知识引擎，该超图为集成输入理解、证据检索、过滤和诊断生成的协作多智能体推理框架提供可追溯的证据。这使得 PathPocket 能够无缝解决各种临床任务，从纯文本查询到涉及感兴趣区域 (ROI) 和十亿像素全切片图像 (WSI) 的复杂多模态诊断。我们在超过 200,000 个实际案例的多维基准上严格评估该系统，其性能显着优于现有的最先进技术。至关重要的是，广泛的用户研究表明 PathPocket 极大地提高了病理学家的诊断准确性和信心。通过直接将病理学解释建立在可验证的文献中，PathPocket 为基于证据的计算病理学的未来提供了实用且可扩展的解决方案。