通过微环境图蒸馏实现病理学基础模型的细胞通信级可解释性

病理学基础模型 (PFM) 提供了强大的图块级表示，但在支撑临床推理的细胞和微环境尺度上仍然难以解释。我们引入了图形解释器（G-Interp），这是一种图形蒸馏框架，为冻结的 PFM 教师配备了蜂窝通信级“插件”解释器，而无需修改教师。对于每个图块，我们将细胞分割为图节点，并基于空间邻接构建微环境图。图神经网络 (GNN) 的学生提取 PFM 嵌入，同时学习基于注意力的消息传递，从而产生节点和边缘级别的重要性。我们将这些重要性解释为细胞间通讯的证据，为 PFM 如何编码微环境背景提供了细粒度的解释。为了在图抽象不完善时稳定蒸馏，我们采用了一个轻量级辅助学生来提供补充视觉提示和条件图消息传递，同时保持主要可解释性信号图的派生。我们通过使用实例掩模将图形选择的证据映射回图像并测量教师在目标遮挡和非目标遮挡下的敏感度来评估解释的可信度。在多种组织病理学任务中，G-Interp 可以生成高度可扩展的、微环境感知的解释，同时保持有竞争力的预测性能。