[논문 리뷰] SAGE: Agentic Framework for Interpretable and Clinically Translatable Computational Pathology Biomarker Discovery

Sahar Almahfouz Nasser, Juan Francisco Pesantez Borja외 9명|arXiv (Cornell University)|2026. 02. 01.

AI in cancer detection인용 수 0

한 줄 요약

SAGE는 이미지에서 파생된 병리 생체표지자를 생물학적 증거에 기반시키는 구조적이고 에이전틱한 프레임워크로, 해석 가능한 가설과 엔드 투 엔드 실증 검증을 가능하게 하여 계산병리학에서의 임상 번역을 촉진합니다. 또한 문헌 기반 추론, 다중 모달 데이터 분석, 검증 우선 파이프라인을 통합하여 생물학적으로 의미 있는 생체표지자를 발견합니다.

ABSTRACT

Despite significant progress in computational pathology, many AI models remain black-box and difficult to interpret, posing a major barrier to clinical adoption due to limited transparency and explainability. This has motivated continued interest in engineered image-based biomarkers, which offer greater interpretability but are often proposed based on anecdotal evidence or fragmented prior literature rather than systematic biological validation. We introduce SAGE (Structured Agentic system for hypothesis Generation and Evaluation), an agentic AI system designed to identify interpretable, engineered pathology biomarkers by grounding them in biological evidence. SAGE integrates literature-anchored reasoning with multimodal data analysis to correlate image-derived features with molecular biomarkers, such as gene expression, and clinically relevant outcomes. By coordinating specialized agents for biological contextualization and empirical hypothesis validation, SAGE prioritizes transparent, biologically supported biomarkers and advances the clinical translation of computational pathology.

연구 동기 및 목표

• 생물학적 증거에 가설을 근거시켜 계산병리학에서 이미지 유래 바이오마커의 해석 가능성을 향상시키는 것.
• 문헌 기반 추론과 다중 모달 데이터를 통합하여 영상 특징을 분자적 및 임상 종단점과 연결하는 것.
• 임상 검증 가능성에 중점을 두고 가설을 생성·정제·검증하기 위해 특화 에이전트를 조정하는 것.

제안 방법

• 문헌으로부터 구조화된 의생물학 지식 그래프를 만들어 구조화된 추론을 가능하게 한다.
• 온톨로지스트를 사용해 경로를 온톨로지에 근거시키고 Scientist가 임상적으로 테스트 가능한 가설을 생성한다.
• 네 가지 척도(논리, 관련성, 새로움, 놀라움)로 가설을 평가하고 Prover, Verifier, Judge 간의 새로움 토론을 수행한다.
• 데이터 가용성, 도구 준비성, 로직, 일정 등을 평가하는 전용 타당성 에이전트를 통해 임상 가능성을 평가한다.
• 실행 가능한 검증 분석으로 가설을 변환하기 위해 Coding Agent가 도구 기반 또는 생성된 코드를 샌드박스에서 작성하고 실행하며 Summary Agent가 결과를 종합한다.

실험 결과

연구 질문

• RQ1 병리학에서 추출된 영상 특징을 분자 마커 및 임상 결과에 어떻게 생물학적으로 근거를 두고 연결할 수 있는가?
• RQ2 전문 에이전트의 계통이 해석 가능한 가설 생성과 계산병리학에서의 실증 검증 가능성을 가능하게 하는가?
• RQ3 다중 비평가 새로움 토론이 생물의학 가설의 새로움 평가의 보정 및 구분 가능성을 향상시키는가?
• RQ4 방광암에서 엔드투엔드 검증 우선 파이프라인이 엔드투엔드 바이오마커 발견에 미치는 영향은 어떤가?
• RQ5 프롬프트, 기억, 파이프라인 구조 등 설계 선택이 가설 품질과 계산 효율성에 어떤 영향을 주는가?

주요 결과

• 방광암에서 해석 가능한 생물학적 메커니즘 및 생존 분석을 검증된 생존 분석과 함께 해석 가능한 생물학적 구조로 연결한 FABP5와 TLS 유사 림포이드 집합의 공동 예후 바이오마커를 엔드투엔드로 발견하는 것을 시연했습니다.
• SAGE의 지식 그래프 근거화, 다중 경로 온톨로지적 추론, 검증 우선 루프가 생물학적으로 의미 있는 가설과 실현 가능한 임상 검증을 가능하게 한다.
• 다중 비평가 토론이 새로움 평가의 보정성을 향상시키고 새로움 구분성을 높이며 거짓 양성을 감소시키는 데 기여한다.
• 그래프 기반 파이프라인이 프롬프트 및 완성 토큰 수와 계산 비용을 줄이면서도 기초 대비 새로움에 대한 성능을 유지한다.
• 사고 과정을 통해 새로움 평가의 정확도가 높아지며, 특히 극단적 새로움이나 그럴듯하지 않은 제안에서 비용이 현저히 증가하는 경우에도 상당한 이점을 제공한다.