Anpassningsbart ramverk för diagnostiskt resonemang inom patologi med multimodala stora språkmodeller

Varför detta är viktigt för cancerdiagnoser

När en patolog granskar ett vävnadsprov i mikroskopet fattar hen beslut som kan påverka livet: finns det cancer, vilken typ är det och hur aggressiv kan den vara? Datorprogram hjälper redan till att skanna tusentals sådana bilder, men de flesta fungerar som mystiska svart lådor och ger ett ja‑ eller nej‑svar utan att tydligt visa sitt resonemang. Denna studie introducerar ett nytt sätt att koppla bildförståelse‑AI till språkbaserat resonemang så att datorn inte bara säger vad den tror, utan också förklarar varför — i termer som överensstämmer med hur verkliga patologer tänker.

Att förvandla svartlådor till förklarare

De flesta befintliga system för att läsa patologiglas fokuserar på ren noggrannhet. De lär sig mönster ur miljontals pixlar och ger sedan ut en etikett som till exempel

Citering: Hong, Y., Kao, KC., Edwards, L. et al. Adaptive diagnostic reasoning framework for pathology with multimodal large language models. Commun Med 6, 236 (2026). https://doi.org/10.1038/s43856-026-01491-z

Nyckelord: beräkningspatologi, förklarbar AI, cancerdiagnos, multimodala språkmodeller, medicinsk bildanalys