对应论文
An agentic framework for autonomous scientific discovery in cancer pathology
视频简介
这篇工作的强点在于，它不是一个把 pathology image 接到一个更大模型上的任务系统，而是把 biomarker discovery 本身做成了 agentic scientific workflow。SPARK 会围绕生物学概念提出分析思路、细化参数、生成和验证代码，并在大队列上筛出可解释的 marker。 这使它和一般数字病理模型拉开了层级差：目标不再只是预测标签，而是自动构造、组合并验证新的组织学参数，把图像分析直接接进可重复的科学发现闭环。论文里跨多个肿瘤类型和多队列验证，也说明这不是单队列上的局部花活。 它值得正式收录，因为这篇论文代表了一个更耐用的 AI-for-biomedicine operating pattern：用 agentic workflow 生成可解释、可验证、可部署的研究对象，而不是只输出黑箱风险分数。 它没有更高，是因为当前系统仍深度依赖 pathology 这一高结构化模态，跨更广生物发现场景的普适性还有待后续证明。