医学 AI

Explainable Artificial Intelligence (XAI) in Computational Pathology: Definitions, Taxonomy, and Recommendations

计算病理学中的可解释人工智能（XAI）：定义、分类与建议

Shubham Innani, Suhang You, Adam Shephard, Bhakti Baheti, Francesco Ciompi, Joe Yeong, Nasir Rajpoot, Michael Feldman, Solene Florence Kammerer-Jacquet, Dimitrios Makris, Geert Litjens, Anne L. Martel, Jana Lipkova, April Khademi, Spyridon Bakas, for the MICCAI SIG-CompPath

机构 * Indiana University School of Medicine（印第安纳大学医学院） ； Indiana University Melvin and Bren Simon Comprehensive Cancer Center（印第安纳大学梅尔文与布伦·西蒙综合癌症中心） ； University of Warwick（华威大学） ； Emory University（埃默里大学） ； Radboud University Medical Center（拉德堡德大学医学中心） ； Singapore General Hospital（新加坡中央医院） 纠错

专题命中 病理影像 ：pathology(title,abstract)；diagnosis(abstract)；分类 cs.CV

AI总结 本综述针对计算病理学（CompPath）中可解释人工智能（XAI）文献碎片化问题，建立病理学中心词汇、分类及任务驱动框架，明确XAI与临床部署的差距并提出推进建议。

Comments On behalf of MICCAI SIG-CompPath. More information: https://miccai.org/index.php/special-interest-groups/sig-comppath/

STEP: A Modular Silent Trial Engine for Operational Evaluation of Digital Pathology AI in Routine Workflow

STEP：用于常规工作流程中数字病理学AI操作评估的模块化静默试验引擎

Gabriele Campanella, Matthew Croken, Olga Lukatskaya, Jane Houldsworth, Ricky Kwan, Peter Schüffler, Chad Vanderbilt

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV

AI总结 该研究开发了模块化软件平台STEP，用于在异构环境中编排计算病理学AI的前瞻性静默试验，已部署于三家机构支持EAGLE模型评估，可减少工程重复工作量并助力AI的真实世界评估。

LUCAID: Agentic Multimodal AI for Lung Cancer Precision Pathology

LUCAID：用于肺癌精准病理学的智能体多模态AI

Marie-Lisa Eich, Kai Standvoss, Timo Milbich, Alexander Möllers, Miriam Hägele, Philipp Anders, Lars Tharun, Hanna Kontradiuk, Sebastian Kons, Nader Aldoj, Recepcan Adigüzel, Adam Narai, Lukas Hönig, Jonathan Striebel, Binru Yang, Mihnea P. Dragomir, Marvin Sextro, Philipp Keyl, Philipp Jurmeister, Rosemarie Krupar, Evelyn Ramberger, James Wells, Julika Ribbat-Idel, Andreas Kunft, Hussam Shuaib, Christian Grohé, Reinhard Büttner, David Horst, Klaus-Robert Müller, Lukas Ruff, Maximilian Alber, Frederick Klauschen, Simon Schallenberg

机构 * Institute of Pathology, Charité – Universitätsmedizin Berlin（柏林夏里特医学院病理学研究所） ； Freie Universität Berlin（柏林自由大学） ； Humboldt-Universität zu Berlin（柏林洪堡大学） ； Berlin Institute of Health at Charité – Universitätsmedizin Berlin（柏林夏里特医学院柏林卫生研究所） ； Aignostics GmbH（Aignostics有限公司） ； Machine Learning Group, Technical University of Berlin（柏林工业大学机器学习组） ； BIFOLD – Berlin Institute for the Foundations of Learning and Data（BIFOLD——柏林学习与数据基础研究所） ； MVZ HPH Institut für Pathologie und Hämatopathologie GmbH（HPH病理及血液病理诊断中心有限公司） 纠错

专题命中 病理影像 ：pathology(title,abstract)；分类 cs.CV、cs.LG

AI总结 该研究开发并临床验证了LUCAID智能体多模态AI系统，其覆盖肺癌病理全流程任务，前瞻性验证中临床决策一致性达93.0%，优于经验丰富的胸病理学家，解决了现有AI工具的不足。

Towards Accurate and Lightweight Peripheral Neuroblastic Tumor Diagnosis via Contrastive Multi-scale Pathological Image Analysis

基于对比多尺度病理图像分析的精准轻量型外周神经母细胞性肿瘤诊断研究

Zhu Zhu, Shuo Jiang, Jingyuan Zheng, Yawen Li, Yifei Chen, Manli Zhao, Weizhong Gu, Feiwei Qin, Jinhu Wang, Gang Yu

机构 * Children’s Hospital, Zhejiang University School of Medicine（浙江大学医学院附属儿童医院） ； Hangzhou Dianzi University（杭州电子科技大学） ； Tsinghua University（清华大学） 纠错

专题命中 病理影像 ：diagnosis(title)；pathology(abstract)；分类 cs.CV；biomedical(journal_ref)

AI总结 提出CoPath框架（含CoHisNet与PathVote），通过对比多尺度病理图像分析实现轻量型外周神经母细胞性肿瘤精准诊断，性能优于多数同类模型且计算复杂度更低。

Comments 14pages, 10 figures

Journal ref IEEE Journal of Biomedical and Health Informatics 2026

Reliable Benchmarking of Artifact Detection in Computational Pathology: A Reproducibility and Uncertainty Analysis

计算病理学中伪影检测的可靠基准：可复现性与不确定性分析

Konstantinos Moutselos, Ilias Maglogiannis

专题命中 病理影像 ：pathology(title)；分类 cs.CV

AI总结 本研究针对计算病理学伪影检测基准的缺陷，提出含四类变异检验的可靠性协议，经评估发现原基准的核心机制可复现但对比声明不可靠，小队列基准结论可信度低。

Comments 5 figures

Multimodal Feature Prototype Learning for Interpretable and Discriminative Cancer Survival Prediction

用于可解释且具判别性癌症生存预测的多模态特征原型学习

Shuo Jiang, Zhuwen Chen, Liaoman Xu, Yanming Zhu, Changmiao Wang, Jiong Zhang, Feiwei Qin, Yifei Chen, Zhu Zhu

机构 * Hangzhou Dianzi University（杭州电子科技大学） ； School of Information and Communication Technology, Griffith University（信息与通信技术学院，格里菲斯大学） ； Shenzhen Research Institute of Big Data（深圳大数据研究院） ； Laboratory of Advanced Theranostic Materials and Technology, Ningbo Institute of Materials Technology and Engineering, Chinese Academy of Sciences（先进诊疗材料与技术实验室，宁波材料技术与工程研究所，中国科学院） ； School of Biomedical Engineering, Tsinghua University（生物医学工程学院，清华大学） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV；biomedical(journal_ref)

AI总结 本研究提出多模态框架FeatProto，通过三项创新改进原型学习，在四个公开癌症数据集上，实现了更准确可解释的癌症生存预测，为医疗原型学习提供新视角。

Comments 12 pages, 8 figures

Journal ref IEEE Journal of Biomedical and Health Informatics 2026

The Halt Vector: Internalizing a Causal Steering Intervention for Efficient Reasoning

停止向量：内化因果引导干预以实现高效推理

Dylan Jayabahu, Tinuade Adeleke

机构 * University of Waterloo（滑铁卢大学） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 本研究提出通过将因果可解释性发现内化到权重中得到的停止向量，可在保持准确率的前提下减少推理模型约四分之一的思考时长，解决其不终止问题，核心贡献为该停止向量的获取方法。

Comments 23 pages, 3 figures. Accepted at the 2nd Workshop on Efficient Reasoning, COLM 2026 (non-archival). Code: https://github.com/dylanjayabahu/halt-vector

Predicting Metastatic Risk from Primary Cancer Tissue Architecture via Distance-Aware Spatial Modeling

通过距离感知空间建模从原发组织架构预测转移风险

Sandesh Pokhrel, Hamid Manoochehri, Beatrice S Knudsen, Tolga Tasdizen

机构 * Department of Electrical and Computer Engineering, University of Utah（犹他大学电气与计算机工程系） ； Scientific Computing and Imaging Institute, University of Utah（犹他大学科学计算与成像研究所） ； Department of Pathology, University of Utah（犹他大学病理学系） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.CV

AI总结 提出DTMf-MIL方法，通过符号距离函数显式建模肿瘤微环境的空间几何结构，在转移风险预测任务上显著优于忽略空间布局的现有方法。

Constrained Group Relative Policy Optimization

带约束的群体相对策略优化

Roger Girgis, Rodrigue de Schaetzen, Luke Rowe, Azalée Robitaille, Christopher Pal, Liam Paull

机构 * Mila - Quebec AI Institute（魁北克AI研究所） ； CIFAR AI Chair（CIFAR人工智能主席） 纠错

专题命中 病理影像 ：pathology(abstract)；分类 cs.LG

AI总结 本文提出带约束的GRPO，通过拉格朗日松弛解决受约束策略优化问题，实验验证其在网格世界和机器人任务中的有效性。

Comments 16 pages, 6 figures

Responsible Integration of AI in Cancer Genomics: Barriers, Risks, and Pathways to Trustworthy Clinical Translation

负责任地将人工智能整合到癌症基因组学中：障碍、风险及实现可信赖临床转化的路径

Bahar İlgen, Yiannos Tolias, Denise Kühnert, Paraskevi Papadopoulou, Magnus Westerlund, Dominik Heider, Katharina Ladewig, Georges Hattab

机构 * Robert Koch Institute（罗伯特·科赫研究所） ； European Commission（欧洲委员会） ； Deree-The American College of Greece（希腊 Deree 美国学院） ； Åbo Akademi University（奥布学术大学） ； Arcada University of Applied Sciences（阿卡达应用科学大学） ； University of Münster（明斯特大学） 纠错

专题命中 病理影像 ：biomedical(abstract)

AI总结 本综述分析AI与NLP在癌症基因组学临床转化中的障碍，提出应对四大相互关联失败领域的框架与路线图，强调需从系统层面解决问题而非仅提升模型能力。

Comments Review article

From Analytics to Tumor Boards: An Evidence-Linked Multi-Agent Workflow for Oncology Feature Extraction

从分析学到肿瘤委员会：一种用于肿瘤学特征提取的证据关联多智能体工作流

Daniel Kang, Michelle Hu, Soorya Ram Shimgekar, Shayan Vassef, Yufan Wang, Anit Kumar Sahu, Munmun De Choudhury, Vedant Das Swain, Christian Poellabauer, Li Yan Khor, Koustuv Saha, Robert Wojciechowski, Elliot Kidd, Piyum Zonooz, Navin Kumar

机构 * Nimblemind ； School of Interactive Computing, Georgia Institute of Technology（佐治亚理工学院交互计算学院） ； NYU Tandon School of Engineering, New York University（纽约大学坦登工程学院） ； Florida International University（佛罗里达国际大学） ； Duke-NUS Medical School（杜克-新加坡国立大学医学院） ； Singapore General Hospital（新加坡中央医院） ； University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校） ； OncoLens 纠错

专题命中 病理影像 ：diagnosis(abstract)

AI总结 该研究针对肿瘤学文档的结构化提取需求，提出nMAS多智能体工作流，在230份肿瘤学文档上的F1值达85.0%，优于对照模型，验证了其将碎片化肿瘤学文档转为结构化数据的可行性。