小罗碎碎念
一百多年前，显微镜的发明，让人类第一次看到了细胞层面的病变，开启了现代病理学的时代；而今天，计算病理智能体的出现，让AI第一次拥有了像人类病理医生一样的思考、探索、学习能力，正在开启数字病理的全新时代。
本文核心内容基于综述论文《The Landscape of Computational Pathology Agents From Static Analysis to Autonomous Diagnostic Workflows》，核心作者为Jingyun Chen、Fengchun Liu、Songhan Jiang、Linghan Cai，来自哈尔滨工业大学（深圳）与德累斯顿工业大学，论文预印本于2026年1月发布于TechRxiv平台。
从早期的监督学习模型，到近年大火的病理基础模型，AI已经解决了病理标注成本极高的行业痛点，能完成固定场景下的图像分类任务。
早期阶段（1959--2018）：基于形态学的传统方法
这是计算病理学的起步阶段，核心思路是从病理图像的形态特征出发，用人工设计或传统机器学习提取特征，完成基础的病理分析。
- 核心技术：依赖病理学家定义的形态学特征（如细胞大小、核质比、腺体结构等），结合传统机器学习模型（如SVM、随机森林）做分类或分割。
- 局限：高度依赖人工特征工程，泛化能力弱，只能处理简单、标准化的病理场景，无法挖掘深层的生物学信息。
中期阶段（2018--2021）：多实例学习与组织分割
随着深度学习的普及，计算病理学进入深度学习驱动的精准分析阶段，核心是解决WSI（全切片图像）的超高分辨率问题，并向临床可解释性迈进。
- Multiple Instance Learning（多实例学习，MIL）：把超大WSI切分为小Patch（图像块），用"袋-实例"结构建模，解决全切片级别的分类/预测问题（如肿瘤分级、预后风险）。
- Nuclei/Tissue Segmentation（细胞核/组织分割）：用CNN、U-Net等模型精准定位细胞、腺体、肿瘤区域，为后续分析提供基础结构信息。
- Biomarker Prediction（生物标志物预测）：从病理图像中预测分子标志物（如ER/PR/HER2状态、基因突变），实现"形态学→基因组"的跨模态关联。
让病理AI从"看形态"升级为"读信息"，开始具备临床辅助决策的潜力，但仍局限于单任务、单模态的静态学习。
进阶阶段（2021--2024）：跨模态对齐与自监督学习
这一阶段的核心是打破模态壁垒，用自监督学习挖掘病理数据的通用表征，为后续大模型应用打基础。
- Image-Text Alignment（图文对齐）：把病理图像和病理报告/医学文献做跨模态对齐，让模型理解"图像形态"和"文本描述"的对应关系。
- Image-Omic Alignment（图像-组学对齐）：进一步关联病理图像与基因组、转录组等组学数据，挖掘形态背后的分子机制。
- Self-supervised Learning（自监督学习）：用海量无标注病理图像做预训练，学习通用的病理特征表征，降低对标注数据的依赖，提升模型泛化能力。
为病理大模型奠定了基础，让AI能从"单一任务"走向"通用理解"，为后续VLM和多智能体系统铺路。
近期阶段（2024--2025.06）：基于视觉语言大模型（VLM）的方法
随着多模态大模型的爆发，计算病理学进入"看图说话"的自然交互阶段，核心是用VLM直接处理病理图像+文本，实现更贴近临床场景的交互。
- 代表模型：PathoChat、SlideChat、WSI-LLaVa等，都是基于LLaVA、Gemini等通用VLM改造的病理专用模型。
- 核心能力：
- 直接输入WSI/Patch+自然语言提问，输出病理描述、诊断建议、文献引用等。
- 支持"图像-文本"的双向交互，比如"请描述这张切片里的肿瘤形态""这张切片对应的分子亚型可能是什么"。
- 局限：仍以"单轮交互+静态推理"为主，缺乏复杂的任务规划、工具调用和自我校验能力，临床可信度仍需提升。
当前与未来阶段（2025.06--至今）：多模态推理与多智能体协作
这是计算病理学的下一代范式，核心是从"被动应答"升级为"主动协作、终身学习"，向真正的AI Copilot（病理助手） 迈进。
- Multi-Modal Reasoning（多模态推理）：代表模型如Patho-R1、TeamPath、SmartPath-R1，能整合图像、文本、组学、临床数据，做复杂的逻辑推理（如"结合这张切片和患者病史，判断预后风险并给出治疗建议"）。
- Planning & Tool Use（规划与工具调用）：代表模型如CPathAgent、SurvAgent、Patho-AgenticRAG，能拆解复杂任务、调用外部工具（如数据库、分割模型、检索系统），完成端到端的临床任务。
- Self-evolving Agent（自进化智能体）：代表项目如TissueLab，能从临床反馈、新数据中持续学习，自动更新模型知识，实现终身学习。
医学AI交流群
目前小罗全平台关注量120,000+，交流群总成员3000+，大部分来自国内外顶尖院校/医院，期待您的加入！！
由于近期入群推销人员较多，已开启入群验证，扫码添加我的联系方式，备注姓名-单位-科室/专业，即可邀您入群。
科研服务
我们是一支由国内外顶尖高校硕博组成的科研团队，能够提供一系列医工交叉前沿的科研服务。
有兴趣的老师欢迎扫码与我们取得联系！
一、解码计算病理智能体的"类人诊断大脑"
计算病理智能体的核心创新，是把病理诊断从一个静态的图像分析任务，变成了一个交互式、多步骤的问题解决过程。
自由缩放的"数字病理眼"
病理诊断的核心，是"看"的能力------但传统AI的"眼睛"，始终被固定在单一分辨率下，要么丢了全局组织架构，要么丢了微观细胞细节，更无法整合多种来源的诊断信息。而智能体的感知系统，完全复刻了人类医生的诊断视觉逻辑，实现了三个维度的突破。
首先是多尺度金字塔视觉。
人类医生的诊断天生就是分层的：先低倍镜扫完整张切片，看清组织整体架构，锁定可疑病变区；再切换高倍镜，放大观察细胞异型性、核分裂象等恶性特征。
文献中提到的HIPT模型，就用分层视觉Transformer架构实现了这种能力：它能依次编码不同分辨率的视觉特征，把高倍镜下的细胞细节，嵌入到低倍镜的全局组织上下文里，让AI既能看到"整片森林"，也能看清"每一棵树"，真正理解病理结构的生物学层级，而不是把切片当成一堆孤立的像素。
其次是全切片全局理解。
一张十亿像素的WSI，对传统AI来说是无法突破的上下文窗口瓶颈，大多数模型只能把切片拆成小碎片处理，最终丢失了肿瘤浸润范围、免疫细胞分布等全局关键信息。
而智能体通过全新的架构设计解决了这个问题：
- Prov-GigaPath用LongNet的扩张注意力机制，能把整张切片当成一个完整的"叙事文本"处理；
- TITAN模型则通过分层上下文整合，能回答跨越整张切片的空间关系问题，让AI真正拥有了全局视野，而不是"盲人摸象"。
最后是多模态信息融合。
在现代临床中，一张HE染色切片从来不是诊断的唯一依据，医生需要结合免疫组化、基因数据、患者病史才能给出准确结论。
传统AI大多只能处理单一的图像数据，而智能体的感知系统，能把不同模态的信息整合到同一个语义空间里。
比如文献中的KEEP模型，能把病理图像特征和生物医学知识图谱、文本描述对齐；TeamPath框架则让专门的智能体分别处理HE切片、转录组学数据，最终整合形成完整的患者画像，就像一个肿瘤多学科会诊团队，把所有维度的信息融合在一起，做出最全面的判断。
复刻病理医生的"诊断思维逻辑"
如果说感知是智能体的眼睛，那认知就是它的大脑，也是它和传统静态模型最本质的区别------传统AI只会"给结果"，而智能体学会了"像医生一样思考"。
这种思考能力的核心，是思维链（Chain-of-Thought, CoT）推理。病理诊断从来不是非黑即白的选择题，而是一个"提出假设-验证证据-鉴别诊断"的演绎过程。一个合格的病理医生，绝不会只给一个"良性/恶性"的结论，一定会附上完整的诊断思路。
而传统AI就是典型的"黑箱"，哪怕结果是对的，也可能是"蒙对的"，医生无法验证它的逻辑。智能体则通过思维链，把这个黑箱完全打开：面对一个边界模糊的病变，它会先生成内部思考："核异型性提示恶性，但病变边界清晰更符合良性肿瘤特征，需要进一步寻找核分裂象确认"，再根据这个思路去收集证据，最终给出结论。
文献中提到的Patho-R1模型，更是用分组相对策略优化（GRPO）的强化学习方法，让AI主动优化自己的推理逻辑，不仅让决策更可靠，也让医生能清晰地验证每一步推理，彻底解决了黑箱问题。
为了避免AI"凭空思考"，智能体还拥有知识增强能力，确保所有推理都建立在权威医学事实之上。
就像医生遇到罕见病例会翻WHO肿瘤分类指南、查最新文献，智能体也不会只靠自己的内部知识下判断。
Patho-AgenticRAG模型会在遇到不确定性时，主动生成检索指令，从权威医学指南和文献中查找依据；KEEP模型则直接把结构化的生物医学知识图谱注入模型，让AI真正理解医学实体之间的语义关系。
这种"动态检索+静态注入"的双重机制，从根源上减少了AI的幻觉问题，确保它的推理不仅"逻辑通顺"，更"医学合规"。
而复杂诊断任务的拆解能力，则让智能体的思考有了清晰的执行路径。
一句"诊断这张切片"，对传统AI来说是无法处理的抽象指令，但对智能体来说，它会像人类医生一样，把这个大目标拆成可执行的子任务。
文献中的PathFinder模型，就把诊断流程拆解成了"低倍镜锁定感兴趣区域→导航到目标区域→高倍镜分析形态特征→综合所有发现给出诊断"的完整步骤，把诊断从一个静态图像分析问题，变成了一个有规划、有顺序的决策过程，不仅能高效分配算力，还能确保没有关键区域被遗漏，完全对齐了人类医生的诊断流程。
会操作、会调用工具的"数字手"
一个真正的诊断专家，不仅会看、会想，更会动手操作、会用工具。这也是智能体和传统静态模型最核心的区别：传统AI只能被动接收别人给它的数据，而智能体能主动和环境交互，自己去收集需要的信息。
这种行动能力，首先体现在模拟显微镜操作上。
你可以把传统AI想象成一个被人把所有切片碎片都堆在面前的人，只能被动地看，不能自己选择看哪里；而智能体就像一个能亲手操作显微镜的医生，拥有完整的操作权限：放大、缩小、平移、聚焦，完全复刻人类医生的显微镜操作。
文献中提到的CPathAgent、Pathology-CoT，通过学习资深病理医生的操作轨迹，掌握了最优的切片导航策略：先在低倍镜下沿着组织边缘扫描，锁定可疑区域，再放大到高倍镜下观察细节，而不是随机扫描整张切片。
这种主动视觉模式，极大减少了计算冗余，让AI能把算力集中在真正有诊断价值的区域，完全复刻了人类医生"搜索-确认"的诊断流程。
而外部工具调用能力，更是让智能体从"一个模型"变成了"一个诊断总指挥"。
就像医生不会手动数切片里的上千个细胞，而是用专门的图像分析工具；遇到罕见基因突变，会去查专业医学数据库，智能体也不需要用一个模型包打天下，而是作为核心控制器，调用专门的工具完成子任务。
文献里的UnPuzzle模型，搭建了一个"模型动物园"，里面有预训练好的细胞核分割器、组织分类器等专用工具，智能体遇到对应任务，就会生成调用指令，让专用工具完成任务，再把结果整合到自己的推理链里；
而MedResearcher-R1，更是能直接访问医学数据库和搜索引擎，查找罕见突变的相关资料、最新的肿瘤分期指南，把整个互联网变成自己的外部认知延伸，解决那些罕见的、长尾的临床病例。
不会"看了就忘"的"临床经验库"
病理诊断是一个极度依赖记忆的工作，医生既要在看切片时记住已经看过的区域，避免"只见树木不见森林"，也要靠常年积累的病例库，给新病例提供参考。
而传统AI最大的问题之一，就是"看了就忘"------处理高倍镜细节时，会丢失低倍镜的全局上下文；处理完一个病例，也不会积累任何经验。
智能体的记忆模块，就完美解决了这个问题。
首先是工作记忆，解决了"迷失在切片里"的难题。
一张WSI能包含超过10万个切片碎片，传统AI处理一个新碎片时，会忘记之前看过的内容，很容易出现前后矛盾的结论。就像你在森林里走路，不记路就会迷路，而智能体的工作记忆，就是它的"导航地图"。
文献中的ALPaCA模型，会动态维护一个切片级的上下文向量，智能体每浏览一个区域，就会把这个区域的特征整合到工作记忆里，让它能把不同区域的信息串联起来，始终保持对整张切片的全局认知，不会因为看了细节就忘了全局，确保诊断结论的一致性和全面性。
而长期记忆，则让智能体从"一次性分析工具"，变成了能不断学习的"资深专家"。
人类病理医生的水平会随着接诊病例的增加而提升，靠的就是自己积累的病例库。
智能体也一样，文献中的SurvAgent模型，搭建了一个"病例银行"，存储了过往患者的组织学特征、治疗结果、生存数据。
遇到新病例时，它会从长期记忆里检索视觉和临床特征相似的历史病例，参考过往的诊断和预后结果，不仅能给出更准确的诊断，还能基于实证数据给出预后判断。
这种能力，让智能体每处理一个病例，就能积累一份经验，真正实现了基于经验的持续学习。
二、计算病理智能体的能力究竟有多强？
从"全能单兵"到"协同团队"的全场景覆盖
基于不同的临床场景，计算病理智能体已经形成了三类成熟的架构范式，覆盖了从简单对话到全流程自主诊断、从单机运行到人机协同的全场景需求。
第一类是单模型端到端智能体，就像临床里的全科医生，用一个统一的多模态大模型，完成从图像输入到诊断报告输出的全流程。
这类架构的优势是训练和部署简单，端到端的设计也能保证语义对齐。
- 早期代表PathChat，用视觉适配器把病理图像特征和Llama 2大模型对齐，让医生能直接和AI对话，询问切片病变区域的细节；
- 而SlideChat、MUSK等模型，更是突破了十亿像素WSI的上下文窗口限制，能直接处理整张切片，实现了端到端的全切片诊断；
- Patho-R1、SmartPath-R1则把思维链推理直接嵌入单模型架构，让AI在给出诊断前，先生成完整的推理步骤，大幅提升了复杂病例的诊断可靠性。
第二类是多智能体协同系统，如果说单模型是全科医生，那这类架构就是一个完整的病理多学科会诊团队。
它把复杂的诊断任务拆分成不同的专业角色，交给专门的智能体完成，既能突破单模型的上下文长度限制，也能通过多角色交叉校验，大幅减少幻觉和错误。
- 比如SlideSeek设计了"主管-探索者-报告者"的三级架构：主管智能体负责制定诊断计划，探索者智能体负责在WSI里自主导航、寻找病变证据，报告者智能体负责整合信息、生成诊断报告；
- PathFinder则把诊断流程拆分成"分诊-导航-描述-诊断"的闭环，像人类医生一样一步步完成诊断；
- WSI-Agents更是专门设置了"批评家智能体"，负责校验逻辑和事实，实现了系统的自我纠错，极大提升了诊断的准确性。
第三类是交互式&人在环中智能体，核心目标不是替代医生，而是对齐人类专家的诊断逻辑，成为医生的"数字学徒"。
这类架构的核心，是把病理医生的隐性知识、操作经验，转化成AI能学习的内容，实现人机协同的最优效果。
- 比如Pathology-CoT，通过行为克隆学习资深病理医生的显微镜缩放、平移轨迹，复刻人类的视觉思维链；
- PathoGaze结合了医生的眼动追踪数据，让AI的注意力和资深专家的视线焦点对齐，避免把精力浪费在无关的组织上；
- 而TissueLab，能根据医生的实时反馈，不断优化自己的策略，和医生一起协同进化，真正成为医生的诊断副驾，而不是一个独立的"机器诊断系统"。
从"看结果"到"看过程"
传统的计算病理模型，只用准确率、AUC这些分类指标来衡量，就像只看考试的最终分数，却不看解题过程。
但对于能自主推理、自主行动的智能体来说，这种评估方式完全不够。
在基准测试方面，领域已经从简单的分类数据集，升级到了能全面考察临床能力的专用基准。
- 比如PathMMU，是专家级的多模态理解数据集，包含33428道病理多选题，覆盖PubMed、医学图谱等专业来源，每道题都有详细的专家解析；
- PathGen-1.6M则通过多智能体协同，生成了160万对高质量病理图像-文本对，覆盖27种组织类型，为模型训练提供了大规模的高质量数据；
- 而WSI-Bench，更是专门为十亿像素WSI设计的大规模基准，包含来自30种癌症的9850张WSI、179569个问答对，覆盖了从形态分析、组织学分型、分级，到预后预测、治疗建议、报告生成的11个核心病理任务，相当于给AI准备了一套完整的"病理执业医师资格考试"，全面考察AI的临床能力，而不是简单的识图能力。
在评估体系上，领域也完成了从"只看结果"到"结果+过程+安全"的全维度升级。
除了传统的分类指标，新的评估体系还包含四大核心维度：
- 一是推理质量评估，不再只看诊断结果对不对，还要验证AI的思维链逻辑是否严谨，有没有"蒙对答案"，确保AI的每一步推理都有证据支撑；
- 二是导航效率评估，考察AI能不能高效找到病变区域，有没有浪费算力随机扫描背景组织，衡量它的主动视觉能力；
- 三是幻觉与安全性评估，通过事实一致性校验，严格惩罚AI编造的形态特征和临床关联，同时区分良性错误和致命的误诊，优先消除高风险的临床错误；
- 四是人类专家盲审，这也是最终的金标准，比如PathChat、HistoGPT等模型，在盲审实验中，资深病理医生根本分不清AI生成的报告和人类医生写的报告，证明顶级的智能体，已经能达到和人类专家相当的诊断报告水平。
三、计算病理智能体将如何改变病理诊断的行业生态？
病理诊断是现代医学的基石，但在全球范围内，病理医生都面临着巨大的缺口------在中国，每10万人口仅有不到2名病理医生，基层医院的病理诊断能力更是严重不足；
而一张肿瘤WSI，资深医生也要花几十分钟才能看完，巨大的工作负荷，也带来了误诊、漏诊的风险。计算病理智能体的出现，不是要替代病理医生，而是要彻底重塑这个行业的生态，让病理诊断更精准、更高效、更可及。
在当下，它首先能解决行业最核心的痛点：通过全切片初筛，自动锁定可疑病变区域，把医生从海量、重复性的筛查工作中解放出来，让医生能把精力集中在复杂病例的诊断、和患者的沟通上；
对于基层医院来说，智能体就像一个"随身的资深病理专家"，能结合权威医学指南、全球的病例数据，帮助基层医生提高诊断准确率，减少误诊，让优质的病理诊断资源，能覆盖到更多偏远地区的患者。
除此之外，智能体的多模态融合能力，还能实现以前根本做不到的事情：比如直接从HE染色切片里，预测患者的基因突变状态、治疗响应和预后，把形态学和分子生物学、临床信息完美整合，真正推动精准医疗的落地。
当然，计算病理智能体还处在发展的早期，这篇综述也明确指出了它面临的核心挑战：首先是推理数据的稀缺，现在的数据集大多只有"切片-诊断报告"的输入输出对，没有记录医生诊断过程中的思考轨迹、操作流程，而这些"隐性知识"，恰恰是病理诊断的核心；
其次是十亿像素级数据的计算效率瓶颈，一张WSI的处理需要巨大的算力和时间，很难满足临床实时诊断的需求；最核心的，还是临床安全性和监管问题，生成式AI的幻觉问题，在医疗这个高风险领域，是绝对不能忽视的红线。
针对这些挑战，综述也指出了未来的发展方向：
- 未来的智能体，会通过行为克隆、眼动追踪等技术，把医生的隐性诊断知识显性化，实现基于过程的监督；
- 会通过自适应注意力、分层记忆架构，平衡全局上下文和计算效率，实现实时的切片处理；
- 会通过多智能体的自我校验、检索增强生成等技术，打造可验证、可追溯的AI，解决幻觉问题，满足临床监管的要求；
最终，会进化成以人为中心的协同智能体------它不是要替代病理医生，而是要成为医生最可靠的诊断伙伴，医生负责复杂的临床决策、伦理判断，AI负责海量的信息整合、重复性的筛查、证据的收集验证，形成人机协同的全新诊断模式。
结束语
本期推文的内容就到这里啦，如果需要获取医学AI领域的最新发展动态，请关注小罗的推送！
团队正在招聘实习生/分析师/讲师，欢迎医工交叉方向的优秀硕博，投递个人简历到团队邮箱：lxltx2025@163.com