全文概要
德国科隆大学医院病理研究所 Yuri Tolkach 团队在《Nature Medicine》发表研究，提出病理 AI 新范式 SPARK（System of Pathology Agents for Research and Knowledge）。该系统由四个 AI 智能体协作、以自然语言为通用接口，无需额外训练模型即可自主提出、实现并验证具有生物学意义的假说，在 18 个队列、5400 余例样本中验证了其参数与预后、MSI、PD-L1 等显著相关。

【开头配图Opening】

1. 破解病理 AI 三大痛点

过去十年，病理 AI 大多局限于"为单一封闭任务专门训练预测模型"的形态：判断淋巴结转移就训练一个分类器，预测免疫治疗响应再训练一个响应预测器。这带来三个难题——依赖手工特征或大量重训、模型黑箱且碎片化、大语言模型无法直接理解病理图像。SPARK 的定位正是"病理学的大脑"：把分析能力从预先写死的模型，转变为现场生成的分析工具。

2. 四个智能体协同，语言做黏合剂

SPARK 的创新在于让智能体"自己造工具"而非调用现成模型。研究者只需用自然语言告知研究目标和可用数据，系统即可自主提出生物学假说，并将其转化为可在患者队列上运行的分析代码。想法生成、想法精炼、参数编码、参数验证四个环节由不同智能体串联完成，彼此用自然语言传递中间结果，如同分工明确的科研小组。系统还保留"人在回路"模块，允许研究者直接输入假说，由系统转译为可统计检验的分析方案。

3. 大规模验证与临床意义

研究团队在 18 个队列、5400 余例样本中验证了 SPARK 生成的参数与患者预后、微卫星不稳定（MSI）、PD-L1 表达等临床关键指标的显著相关性。这一"零训练、以语言为接口"的框架，有望让病理医生与研究者摆脱"换一个任务就重训一个模型"的困境，真正让 AI 从单一任务助手升级为可自主探索生物学问题的科研伙伴，为病理学科学发现与临床转化开辟新路径。

来源：《Nature Medicine》研究论文、Sheraton HQ 报道。

解螺旋科研助手企业微信二维码，扫码添加免费领取科研资料礼包，包含AI科研提效、SCI投稿技巧、国自然基金、医学科研绘图、科研软件工具等实用资料

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。