计算病理与医学 AI 迈向智能体时代：5 篇文献技术路线对比

引言

计算病理学（Computational Pathology）正处于一场历史性的范式转移之中，从静态的、基于图块（Patch-based）的深度学习模型，向动态的、具备自主推理能力的 Agent（智能体）系统演进。

在这场变革的震中，是'规划模块'（Planning Module）——负责编排全切片图像（Whole Slide Image, WSI）分析过程的认知引擎。

与传统的计算机视觉任务不同，病理诊断面临的是'十亿像素级'的挑战，单张切片包含的信息量巨大且诊断特征稀疏。在这种语境下，'看'的能力次于'决定看哪里'的能力。

规划模块代表了病理医生工作流的计算化模拟。

它不仅是数据检索机制，更是一个执行分层任务拆解的复杂决策框架。通过模仿人类专家'低倍镜扫片建立全局认知，高倍镜聚焦验证微观细节'的策略，这些 Agent 优化了计算资源的分配，并显著提升了诊断的准确性。

本文将基于 PathFinder、PathAgent、CPathAgent、GIANT 和 SurvAgent 五项开创性研究，对病理 AI Agent 规划模块的发展历程与现状进行详尽的技术剖析。

一、范式重构：为何病理 AI 需要'自主规划'？

要理解现代规划模块的架构必要性，首先必须剖析病理学领域的独特约束。

WSI 是一个多尺度的视觉环境，诊断信息呈高度稀疏分布。一个决定性的恶性微灶可能仅占切片面积的 0.01%，却承载着 100% 的诊断权重。

传统的深度学习方法，如多示例学习（Multiple Instance Learning, MIL），试图通过聚合数万个图块的特征来进行预测。然而，这种'被动感知'的方式存在显著缺陷：它难以处理极端的信噪比，缺乏对空间关系的结构化推理能力，且无法解释'为什么关注这里'。

Agent 规划模块通过将 WSI 分析视为一个'序列决策过程'（Sequential Decision-Making Process）而非静态分类问题，彻底改变了模型与数据的交互方式。Agent 采用'感知 - 规划 - 行动 - 反思'的闭环，自主决定观察路径。

1-1：病理医生的认知模型镜像

规划模块的核心目标是将经过认证的病理医生的认知和运动行为'代码化'，这种行为特征表现为明显的阶段性：

全局筛选（Triage） 快速的低倍镜扫描，过滤正常组织，识别'感兴趣区域'（ROIs）。

目标导航（Navigation） 将视野移动到筛选阶段确定的特定坐标。

多尺度审视（Multi-Scale Interrogation） 动态调整放大倍率（从 2.5x 到 10x, 20x, 或 40x），以验证细胞异型性、核分裂像或核分级。

假设修正（Hypothesis Refinement） 基于初步发现调整搜索策略（例如，'我看到了腺体结构，现在需要检查是否存在浸润'）。

当前的研究，特别是 CPathAgent 和 PathFinder，显式地将这些行为转化为算法步骤。规划模块即是这一认知模型的软件实现，负责自主调度这些动作，充当高层临床目标（如'确定肿瘤分级'）与低层运动机能（如'在 x=20,000 处裁剪 512x512 图像'）之间的桥梁。

1-2：将医生的认知与诊断行为'代码化'

在病理 AI 从'识别'走向'诊断'的进程中，规划（Planning）模块是区分传统深度学习模型与 Agentic AI 的分水岭。近期的顶会论文 PathFinder (ICCV 2025) 和 CPathAgent (NeurIPS 2025) 不约而同地聚焦于此。

虽然它们都试图将医生的认知（Cognitive）与运动（Motor）行为'代码化'，但它们选择了截然不同的实现路径。

核心挑战：如何复刻'低倍扫视 -> 高倍聚焦'？

经过认证的病理医生在阅片时，绝不会一开始就用 40 倍镜死磕某一个细胞。他们的行为具有显著的阶段性：

1. 认知阶段：在低倍镜下快速浏览全片（WSI），建立宏观印象，锁定可疑区域（ROI）。
2. 运动阶段：移动载玻片，切换高倍镜，对可疑区域进行确证。

这种'由粗到细（Coarse-to-Fine）'的流程是人类处理十亿像素级图像的生存智慧——两篇论文的核心目标，就是将这一智慧转化为算法逻辑。

PathFinder：基于'概率过滤'的流水线规划

PathFinder 将医生的行为抽象为一套标准化的流水线（Pipeline），它并不试图模拟医生'推拉显微镜'的物理动作，而是模拟医生大脑中的'信息过滤器'。

• （1）认知代码化

  • PathFinder 引入了一个分诊 Agent，它在低倍镜下对全片进行扫描，但它的目的不是看清细节，而是计算风险概率。
  • 代码逻辑：Input(Low_Mag_WSI) -> Output(Risk_Heatmap)——这相当于医生一眼扫过玻片，心里默念：'左上角和中间这块看着不太对劲'。

• （2）行为代码化

  • 基于分诊 Agent 的热力图，导航 Agent 直接离散采样（Select）top-k 个最具信息量的高倍视野。
  • 代码逻辑：Select(Top_K_Patches_based_on_Risk)，它没有'移动'的过程，而是直接'瞬移'到了关键点。

左侧展示的是 Navigation Agent（导航代理）的工作流程——这是 AI 定位病理切片重点区域的核心逻辑：

1. 输入：
   • Subsampled WSI：下采样后的全病理切片图像；
   • Patch Description：目标病理区域的文本描述（比如'炎症区域'）。
2. 处理：
   • Text Encoder 将文本描述转为特征，与下采样切片图像融合后，输入 U-Net 模型；
   • U-Net 输出 Heatmap（热力图）（标记疑似目标区域的概率）。
3. 输出：
   • 通过 Probabilistic Sampling（概率采样） 从热力图中选区域，最终得到 High-Resolution Patch（高分辨率病理补丁）（即重点分析的局部区域）。

右侧展示的是 Trajectory（分析轨迹）——展示导航代理对病理切片的依次分析过程：

1. 导航代理基于左侧生成的热力图，从下采样切片中定位第一个区域，提取 Patch 1，并生成病理描述（如'含多类炎症细胞，提示炎症过程'）；
2. 标记已分析的区域后，继续定位第二个区域，提取 Patch 2，生成描述（如'梭形细胞、卵圆形核等特征'）；
3. 重复此流程，依次选择更多重点补丁（如 Patch 3），持续完成病理区域的分析。

简言之，这是一个