医学 AI

OncoTriad-QA: A Patient-Level Radiology-Pathology-Genomics Benchmark for Pan-Cancer Reasoning

OncoTriad-QA：用于泛癌推理的患者级放射学-病理学-基因组学基准

Ahnaf Munir, Dannong Wang, Michael W. McDonald, Mubarak Shah, Pegah Khosravi, Yu Tian

专题命中 病理影像 ：pathology(title,abstract)；radiology(title,abstract)；MRI(abstract,abstract_cn)；CT(abstract,abstract_cn)

AI总结 本文提出OncoTriad-QA多模态癌症问答基准及OncoVLM模型，实验显示OncoVLM经微调后在泛癌问答任务上优于现有模型，该基准可用于相关模型的训练与评估。

SAGE: Semantic Explainability of Attention-Based Survival Models in Computational Pathology

SAGE：计算病理学中基于注意力的生存模型的语义可解释性

Abdallah Lamane, Abdul Rahman Diab, Ren-Chin Wu, William Lotter

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

AI总结 该研究提出SAGE框架，可从ABMIL模型提取全局语义解释，在7个TCGA癌症队列的生存预测中恢复预后特征，揭示癌症特异性生物学，为病理学家解释模型行为提供支持。

Comments Proceedings of the MICCAI Workshop on Interpretability of Machine Intelligence in Medical Image Computing (iMIMIC)

A Deployment-Friendly Foundational Framework for Efficient Computational Pathology

一种适用于部署的高效计算病理学基础框架

Yu Cai, Cheng Jin, Zhengyu Zhang, Jiabo Ma, Fengtao Zhou, Yingxue Xu, Zhengrui Guo, Yihui Wang, Zhengyu Zhang, Ling Liang, Yonghao Tan, Pingcheng Dong, Du Cai, On Ki Tang, Chenglong Zhao, Zhijian Cen, Ying Tan, Xi Wang, Can Yang, Yali Xu, Jing Cui, Zhenhui Li, Ronald Cheong Kin Chan, Yueping Liu, Feng Gao, Xiuming Zhang, Li Liang, Hao Chen, Kwang-Ting Cheng

机构 * Department of Electronic and Computer Engineering, The Hong Kong University of Science and Technology（电子与计算机工程系，香港科学与技术大学） ； Department of Computer Science and Engineering, The Hong Kong University of Science and Technology（计算机科学与工程系，香港科学与技术大学） ； Department of Pathology, Nanfang Hospital, School of Basic Medical Sciences, Southern Medical University（病理学系，南芳医院，南方医科大学） ； Guangdong Province Key Laboratory of Molecular Tumor Pathology（广东省分子肿瘤病理学重点实验室） ； Jinfeng Laboratory, Chongqing, China（锦峰实验室，重庆，中国） ； Department of General Surgery (Colorectal Surgery), The Sixth Affiliated Hospital, Sun Yat-sen University（普外科（结直肠外科），中山大学第六附属医院） 纠错

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

AI总结 LitePath是一种高效计算病理学基础框架，通过压缩模型和自适应碎片选择器，显著降低计算成本，实现快速、节能的病理图像分析。

Morphology-Aware Implicit Super-Resolution Network for Pathological Images

面向病理图像的形态感知隐式超分辨率网络

Jiaming Liang, QiHui Han, Haolin Chen, Chengxin Ye, Jiawen Liu, Jiazhou Chen, Xiaoqi Sheng, Hongmin Cai

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

AI总结 针对现有超分辨率方法难以保留病理图像细胞形态的问题，本文提出Morph-ISR框架，在TCGA等数据集上实现最优的LPIPS等指标，可高效保留诊断相关细节并支持边缘部署。

S$^3$-Diff: Structural Semantic Synergy Diffusion Model for High Fidelity Super Resolution of Pathological Images

S³-Diff：用于病理图像高保真超分辨率的结构语义协同扩散模型

Jiaming Liang, QiHui Han, Guangye Ou, Jiawen Liu, Haolin Chen, Xi Zhong, Jiazhou Chen, Xiaoqi Sheng, Hongmin Cai

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

AI总结 针对现有病理图像超分辨率技术易致形态平滑、语义漂移的问题，提出S³-Diff模型，通过SSA与SSFT实现高保真超分，性能优于现有最优方法，源代码将公开。

Assessing the risk of recurrence in early-stage breast cancer through H&E stained whole slide images

通过H&E染色的整张滑片图像评估早期乳腺癌复发风险

Geongyu Lee, Joonho Lee, Tae-Yeong Kwak, Sun Woo Kim, Youngmee Kwon, Chungyeul Kim, Hyeyoon Chang

机构 * Research Team（研究团队） ； Deep Bio Inc.（Deep Bio公司） ； National Cancer Center（国立癌症中心） ； Korea University Guro Hospital（韩国大学Guro医院） 纠错

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

AI总结 本研究利用深度学习分析H&E染色的整张滑片图像，以预测早期乳腺癌复发风险，展示了该方法在风险分层中的潜力。

Comments 20 pages, 9 figures

Journal ref Scientific Reports 15, 35069 (2025)

Spatial proteomics guided by H&E-based AI reveals recurrence-risk niches in triple-negative breast cancer

基于H&E的AI引导的空间蛋白质组学揭示三阴性乳腺癌的复发风险微环境

Yesung Cho, Ji Hwan Park, Chanil Kim, Hyewon Kim, Honglan Li, Yumin Lee, Geongyu Lee, Sujeong Hong, Seong Min Park, Yoonyoung Lee, Hee Sool Rho, Sumin Lee, Amos Chungwon Lee, Changhwan Lee, Hwanyoung Shim, Hyunwook Kim, Hyeji Shin, Sanha Park, Jihoon Yu, Yoon Hee Shin, Sooheon Kim, Hyunjin Park, Seung Min Park, Sangwan Kim, Yujung Kim, Sung-Im Do, Eun-Young Kim, Dongmyung Shin, Jongbae Park, In-Gu Do

专题命中 病理影像 ：pathology(abstract,comments)；分类 q-bio

AI总结 本研究开发结合AI复发风险热图与空间蛋白质组学的框架，在TNBC中识别出与复发相关的空间分子特征，构建的13蛋白复合评分可提升预后区分能力，为多尺度生物标志物发现提供新途径。

Comments Triple-negative breast cancer (TNBC), Recurrence, Digital pathology, Artificial intelligence, Spatial proteomics, Tumor microenvironment

Assessment of Conditional Diffusion Model for Synthetic Histopathology Image Generation

用于合成组织病理学图像生成的条件扩散模型评估

Seyed Kahaki, Shijie Li, Weijie Chen, Nicholas Petrick

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

AI总结 本研究针对合成组织病理学图像生成的评估问题，提出基于数字病理学预训练基础模型改进的FID、IS及精确率-召回率指标，实验发现改进后的IS与下游细胞核分割性能相关性更高，且生成数据多样性对分割性能的提升作用强于单张图像视觉保真度。

Comments 11 pages, 3 figures

CIGTSurv: Clinical Information Guided Tri-modal Survival Prediction with Local Prototype Association and Global Feature Alignment

CIGTSurv：结合局部原型关联与全局特征对齐的临床信息引导三模态生存预测

Jing Dai, Qibin Zhang, Weiwei Zhou, Mingde Xu, Jingsong Liu, Jingdong Zhang, Hongming Xu

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

AI总结 本研究针对临床信息未充分利用及多模态异质性问题，提出CIGTSurv框架，结合局部原型关联与全局特征对齐机制，在五个TCGA癌症队列上取得生存预测SOTA性能。

Comments Accepted at MICCAI 2026

The Dark Room in the Reward Channel: Dense Prediction Rewards Collapse GRPO-Trained LLM Agents -- and The Channel, Not the Content, Decides What Works

奖励通道中的暗室：密集预测奖励使GRPO训练的大语言模型智能体崩溃——以及实际有效的方法

Yu Wang

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

AI总结 研究发现密集预测奖励在GRPO训练下会使大语言模型智能体崩溃，通过单因素消融定位原因，提出方差分布标准，还通过受控信号传递矩阵对比奖励通道和辅助损失通道，表明奖励通道至多中性，辅助损失通道有优势。