Adaptive Diagnostic Reasoning Framework for Pathology with Multimodal Large Language Models

文章核心总结与翻译

一、主要内容

本文提出一种名为RECAP-PATH的可解释性框架，旨在解决病理诊断中AI模型"黑箱"问题，通过多模态大型语言模型（MLLMs）实现证据关联的诊断推理。该框架核心是两阶段自学习流程：第一阶段（多样化阶段）扩展病理风格解释的语义和概念范围，引入新术语和多维度形态学视角；第二阶段（优化阶段）基于诊断准确性精炼提示词，保留高效且可解释的输出。

框架仅需少量标注数据（最少100个样本），无需模型白盒访问或权重更新，通过标准API调用即可运行。在乳腺和前列腺病理数据集上的测试显示，其区分正常组织与浸润性癌的准确率超过0.9，在癌亚型分类（导管原位癌vs浸润性癌）及多分类任务中表现优异，且生成的诊断依据与病理专家评估高度一致。此外，该框架具有模型无关性（支持Gemini 2.0 Flash和GPT-4o）和跨数据集通用性，在不同分辨率、不同组织类型的数据集上均能保持稳定性能。

二、创新点

1. 两阶段提示词优化机制：首次将多样化探索与准确性优化分离，先扩展诊断推理的多样性，再聚焦性能提升，兼顾解释丰富性与诊断准确性。
2. 可解释的诊断推理：突破传统AI的后验解释局限，通过结构化提示词引导MLLM生成与病理专家思维一致的形态学证据描述，实现诊断过程的透明化与可审计性。
3. 高效数据利用：仅需小规模标注数据即可完成优化，无需大规模数据集或领域特定微调，降低临床应用门槛。
4. 模型与数据集通用性