[论文解读] SAGE: Agentic Framework for Interpretable and Clinically Translatable Computational Pathology Biomarker Discovery

Sahar Almahfouz Nasser, Juan Francisco Pesantez Borja+9 more|arXiv (Cornell University)|Feb 1, 2026

AI in cancer detection被引用 0

一句话总结

SAGE 是一个结构化、具备代理性的框架，将图像派生的病理生物标志物以生物学证据为基础，从而实现可解释的假设与端到端的经验验证，便于计算病理学的临床转化。它整合了基于文献的推理、多模态数据分析，以及以验证为先的流程，来发现具有生物学意义的生物标志物。

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.

研究动机与目标

• 将假设以生物学证据为基础，以提升图像派生生物标志物在计算病理学中的可解释性。
• 将基于文献的推理与多模态数据整合起来，将影像特征与分子及临床终点联系起来。
• 协调专门代理以生成、改进并验证生物标志物，重点关注临床验证的可行性。

提出的方法

• 从文献中构建面向领域的生物医学知识图谱以实现结构化推理。
• 使用本体学家将路径落地于本体，并由科学家生成临床可测试的假设。
• 以四分制多准则逻辑（逻辑性、相关性、新颖性、惊异性）评估假设，并在提出者、验证者、评判者之间进行新颖性辩论。
• 通过专门的可行性代理评估数据可用性、工具就绪性、逻辑性与时间线来评估临床可行性。
• 通过编码代理将假设转化为可执行的验证分析，编码代理在沙盒中组合并运行基于工具的或生成的代码，摘要代理汇总结果。

实验结果

研究问题

• RQ1 病理派生的影像特征如何落地于分子标志物和临床结果的生物基础？
• RQ2 专门代理的序列是否能够实现可解释的假设生成并在计算病理学中实现可行的经验验证？
• RQ3 多评议者的新颖性辩论是否能够改善对生物医学假设的新颖性评估的标定与区分能力？
• RQ4 端到端以验证为先的管道对膀胱癌端到端生物标志物发现有何影响？
• RQ5 设计选择（提示、记忆、管道结构）如何影响假设质量与计算效率？

主要发现

• 在膀胱癌中实现了端到端的联合 FABP5 与类 TLS 的淋巴样聚集体预后生物标志物的发现，具有可解释的生物学基础并进行了生存分析验证。
• SAGE 的知识图谱落地、多通路本体推理以及以验证为先的循环使生物学上有意义的假设具备可行的临床验证路径。
• 多评议者的讨论有助于对新颖性进行校准，提高新颖性区分度并降低假阳性率。
• 基于图的管道在不显著增加提示符和完成令牌数量的情况下，降低计算成本，同时保持与基线相当的新颖性。
• 辩论在新颖性评估上实现了显著的准确性提升，代价适中，尤其对极端新颖或表面化的提案而言。