Краткое содержание

arXiv:2511.12008v1 Тип объявления: cross Аннотация: Инструменты искусственного интеллекта в патологии повысили пропускную способность скрининга, стандартизировали количественную оценку и выявили прогностические паттерны, которые влияют на выбор лечения. Однако их внедрение остается ограниченным, поскольку большинство систем по-прежнему не обладают понятной для человека логикой рассуждений, необходимой для аудита решений и предотвращения ошибок. Мы представляем RECAP-PATH, интерпретируемую структуру, которая устанавливает парадигму самообучения, переводя готовые мультимодальные большие языковые модели от пассивного распознавания образов к доказательному диагностическому рассуждению. В ее основе лежит двухэтапный процесс обучения, который автономно выводит диагностические критерии: этап диверсификации расширяет патолого-анатомические объяснения, а этап оптимизации оттачивает их для повышения точности. Такой подход к самообучению требует лишь небольших размеченных наборов данных и не нуждается в белом ящике или обновлении весов для генерации диагнозов рака. При оценке на наборах данных по раку молочной железы и простаты, RECAP-PATH формировал обоснования, соответствующие экспертной оценке, и обеспечивал