用于病理学的自适应诊断推理框架，基于多模态大型语言模型

这对癌症诊断为何重要

当病理学家在显微镜下观察组织标本时，他们在做出能够改变生命轨迹的决定：是否存在癌症、属于哪种类型、以及病情可能有多具侵袭性？计算机程序已经在帮助扫描成千上万张这样的图像，但大多数程序更像神秘的黑箱，给出的是非此即彼的答案，却没有清楚地展示其推理过程。本研究提出了一种新方法，将图像识别型人工智能与基于语言的推理相结合，使计算机不仅能说出其判断，还能以与真实病理学家推理方式一致的术语解释其理由。

将黑箱变为可解释的工具

现有大多数病理切片阅读系统更注重原始准确性。它们从数百万像素中学习模式，然后输出诸如

引用: 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

关键词: 计算病理学, 可解释人工智能, 癌症诊断, 多模态语言模型, 医学影像