经智能体整合民主化与加速AI驱动的病理学研究

随着基础模型的出现，计算病理学迅速发展，但其广泛采用仍然受到巨大的技术复杂性和编程要求的限制。在这里，我们介绍 PathLab，一个自主代理框架，通过特定领域技能和工具的结构化组合，将自然语言研究目标转化为可执行且经过验证的计算病理学工作流程。通过围绕可重用​​的方法模块（包括数据预处理、模型开发、评估和解释）组织工作流程生成，PathLab 使研究能够在科学意图而不是实施细节的层面上进行指定。我们在 12 个公共数据集上评估了 PathLab，涵盖四个代表性任务系列：感兴趣区域分类、全幻灯片图像分类、分割和生存预测。在所有任务类别中，PathLab 均实现了与专家实施相比不逊色的性能，同时始终如一地强制执行用户提示的语义有效性，并在执行前主动拒绝不兼容的工作流程规范。在受控用户研究中，PathLab 大大减少了生成可执行分析流程所需的时间，并使没有编程经验的领域专家能够独立设计、执行和评估计算病理学研究。总之，这些结果使 PathLab 成为生物医学意图和计算执行之间的可靠接口，使计算病理学研究能够在科学问题而不是编程专业知识的层面上进行设计。通过降低先进人工智能方法的技术障碍，PathLab 为计算病理学更广泛的民主化奠定了基础。