論文の概要: A Multi-modal Agentic Co-pilot for Evidence Grounded Computational Pathology

• arxiv url: http://arxiv.org/abs/2606.08093v1
• Date: Sat, 06 Jun 2026 10:36:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:42:05.774596
• Title: A Multi-modal Agentic Co-pilot for Evidence Grounded Computational Pathology
• Title（参考訳）: マルチモーダルエージェント・コパイロットによる基礎計算病理診断
• Abstract要約: PathPocketはマルチモーダルAIエージェントの共同パイロットで、特に根拠のある病理学のために設計されている。 臨床ガイドラインから専門家の意見まで、厳密な証拠階層にまたがって構成された約110,472件の公文書を含む、これまでで最も包括的な病理証拠コーパスを構築した。 このハイパーグラフは、入力理解、エビデンス検索、フィルタリング、診断生成を統合した、協調的なマルチエージェント推論フレームワークのトレース可能な証拠を提供する。 我々は,20万件以上の実世界のケースの多次元ベンチマークでシステムを厳格に評価し,既存の最先端技術を大幅に上回っている。
• 参考スコア（独自算出の注目度）: 27.958607954013036
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Pathology is the cornerstone of modern medicine, where accurate decision-making relies heavily on evidence-based practices. While artificial intelligence (AI) has the potential to transform clinical workflows, the intersection of AI and evidence-based medicine remains under-explored, with primitive attempts restricted to text-only general medicine. In this work, we present PathPocket, a multimodal AI agentic co-pilot designed specifically for evidence grounded pathology. We construct the most comprehensive pathology evidence corpus to date, encompassing approximately 110,472 public and authorized documents structured across a rigorous hierarchy of evidence from clinical guideline to expert opinion. From this meticulously graded foundation, we build a large-scale multimodal pathology hypergraph containing over 4.55 million entities and 7.10 million relations. Serving as a robust knowledge engine, this hypergraph provides traceable evidence for a collaborative multi-agent reasoning framework integrating input understanding, evidence retrieval, filtering, and diagnosis generation. This enables PathPocket to seamlessly resolve a wide spectrum of clinical tasks, ranging from text-only queries to complex multimodal diagnostics involving region-of-interest (ROI) and gigapixel whole-slide images (WSIs). We rigorously evaluate the system on a multidimensional benchmark of over 200,000 real-world cases, where it significantly outperforms existing state-of-the-arts. Crucially, extensive user studies demonstrate that PathPocket substantially improves the diagnostic accuracy and confidence of pathologists. By directly grounding pathology interpretations in verifiable literature, PathPocket offers a practical and scalable solution for the future of evidence grounded computational pathology.
• Abstract（参考訳）: 病理学は現代医学の基盤であり、正確な意思決定は証拠に基づく実践に大きく依存している。 人工知能(AI)は臨床ワークフローを変革する可能性を秘めているが、AIとエビデンスベースの医学の交わりは未発見のままであり、原始的な試みはテキストのみの一般医学に限定されている。 本研究では,多モーダルAIエージェントの共同パイロットであるPathPocketを紹介する。 臨床ガイドラインから専門家の意見まで、厳密な証拠階層にまたがって構成された約110,472件の公文書を含む、これまでで最も包括的な病理証拠コーパスを構築した。 この厳密なグレードの基盤から、我々は455万以上のエンティティと7.10万のリレーションを含む大規模マルチモーダル・パスグラフを構築した。 このハイパーグラフは、堅牢な知識エンジンとして機能し、インプット理解、エビデンス検索、フィルタリング、診断生成を統合した、協調的なマルチエージェント推論フレームワークのトレース可能なエビデンスを提供する。 これによりPathPocketは、テキストのみのクエリから、領域オブ関心(ROI)とギガピクセル全体スライド画像(WSI)を含む複雑なマルチモーダル診断まで、幅広い臨床タスクをシームレスに解決できる。 我々は,20万件以上の実世界のケースの多次元ベンチマークでシステムを厳格に評価し,既存の最先端技術を大幅に上回っている。 重要な研究は、PathPocketが病理学者の診断精度と信頼性を大幅に改善することを示している。 PathPocketは、検証可能な文献に病理学の解釈を直接基礎付けることによって、証拠基礎の計算病理学の将来に対して実用的でスケーラブルなソリューションを提供する。

関連論文リスト

• MultiDx: A Multi-Source Knowledge Integration Framework towards Diagnostic Reasoning [66.94527468532843]
  2段階の診断推論フレームワークであるMultiDxを提案する。 まず Web 検索,SOAP 形式の症例,臨床症例データベースから知識を活用することにより,疑わしい診断と推論経路を生成する。 そして、マッチング、投票、および差分診断を通じて、複数のパースペクティブエビデンスを統合し、最終的な予測を生成する。
  論文  参考訳（メタデータ） (2026-04-27T08:46:29Z)
• Multi-Agent Intelligence for Multidisciplinary Decision-Making in Gastrointestinal Oncology [13.663415863327996]
  ヒト多部門チーム(MDT)の協調ワークフローをエミュレートした階層型マルチエージェントフレームワークを提案する。 このシステムは4.60/5.00の総合評価スコアを獲得し、モノリシック基線よりも大幅に改善された。 この結果は,腫瘍学における自動意思決定支援のための,緩和的,エージェントベースの協調作業が,スケーラブルで解釈可能,かつ,臨床的に堅牢なパラダイムを提供することを示している。
  論文  参考訳（メタデータ） (2025-12-09T14:56:40Z)
• TeamPath: Building MultiModal Pathology Experts with Reasoning AI Copilots [32.22233464805693]
  我々は,大規模な病理組織学データセットに基づく強化学習とルータ強化ソリューションを活用したAIシステムであるTeamPathを紹介する。 TeamPathは、専門家レベルの疾患診断、パッチレベルの情報要約、モダリティ生成のための仮想アシスタントとして機能する。 私たちはYale School of Medicineの病理学者と共同で、TeamPathがより効率的に働くことができることを実証しています。
  論文  参考訳（メタデータ） (2025-11-20T13:29:35Z)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• End-to-End Agentic RAG System Training for Traceable Diagnostic Reasoning [52.12425911708585]
  Deep-DxSearchは、強化学習(RL)でエンドツーエンドに訓練されたエージェントRAGシステムである。 Deep-DxSearchでは,患者記録と信頼性のある医療知識情報を含む大規模医療検索コーパスを構築した。 実験により、エンドツーエンドのRLトレーニングフレームワークは、プロンプトエンジニアリングやトレーニングフリーなRAGアプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2025-08-21T17:42:47Z)
• Evidence-based diagnostic reasoning with multi-agent copilot for human pathology [7.976907866539546]
  現在の計算病理学におけるMLLM(Multimodal Large Language Model)は限界に直面している。 そこで我々は,ヒトの病理に特化して設計された新しいMLLMであるPathChat+を紹介した。 また、PathChat+を利用した推論可能なマルチエージェントAIシステムであるSlideSeekを紹介し、ギガピクセル全体の画像を自律的に評価する。
  論文  参考訳（メタデータ） (2025-06-26T03:02:16Z)
• PathFinder: A Multi-Modal Multi-Agent System for Medical Diagnostic Decision-Making Applied to Histopathology [11.366456922386263]
  スライド画像全体を通して病気を診断することは、現代の病理学において基本である。 従来のAIアプローチは、このような包括的で反復的なマルチスケールの診断手順を欠いている。 専門的な病理医の意思決定プロセスをエミュレートしたマルチモーダル・マルチエージェントフレームワークであるPathFinderを紹介した。
  論文  参考訳（メタデータ） (2025-02-13T03:08:02Z)
• Large-scale Long-tailed Disease Diagnosis on Radiology Images [51.453990034460304]
  RadDiagは、様々なモダリティと解剖学にわたる2Dおよび3D入力をサポートする基礎モデルである。 私たちのデータセットであるRP3D-DiagDSは、5,568の障害をカバーする195,010のスキャンで40,936の症例を含む。
  論文  参考訳（メタデータ） (2023-12-26T18:20:48Z)
• Validating polyp and instrument segmentation methods in colonoscopy through Medico 2020 and MedAI 2021 Challenges [58.32937972322058]
  メディコオートマチックポリープセグメンテーション(Medico 2020)と「メディコ:医療画像の透明性(MedAI 2021)」コンペティション。 本報告では, それぞれのコントリビューションを包括的に分析し, ベストパフォーマンスメソッドの強さを強調し, クリニックへの臨床翻訳の可能性について考察する。
  論文  参考訳（メタデータ） (2023-07-30T16:08:45Z)
• PathAsst: A Generative Foundation AI Assistant Towards Artificial General Intelligence of Pathology [15.419350834457136]
  病理学における診断・予測分析に革命をもたらすための多モード生成基盤AIアシスタントであるPathAsstを提案する。 PathAsstの開発には、データ取得、CLIPモデル適応、PathAsstのマルチモーダル生成機能のトレーニングの3つの重要なステップが含まれている。 PathAsstの実験結果は、病理診断と治療プロセスを改善するためにAIを利用した生成基盤モデルを活用する可能性を示している。
  論文  参考訳（メタデータ） (2023-05-24T11:55:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。