Resumen: La aparición de sistemas de agentes basados en llamadas de herramientas introduce un paradigma más basado en evidencia para el análisis de imágenes patológicas en contraste con los enfoques de diagnóstico de imágenes de texto de grano grueso. Con la reciente adopción experimental a gran escala de tecnologías de transcriptómica espacial, el diagnóstico patológico validado molecularmente se está volviendo cada vez más abierto y accesible. En este trabajo, proponemos LAMMI-Pathology (LVLM-Agent System for Molecularly Informed Medical Intelligence in Pathology), un marco de agente escalable para la llamada de herramientas de agentes de dominio específico. LAMMI-Pathology adopta una arquitectura ascendente centrada en herramientas en la que las herramientas personalizadas adaptables al dominio sirven como base. Estas herramientas se agrupan por estilo de dominio para formar agentes componentes, que luego se coordinan jerárquicamente a través de un planificador de nivel superior, evitando longitudes de contexto excesivamente largas que podrían inducir un desvío de tareas. En base a eso, presentamos un novedoso mecanismo de construcción de trayectorias basado en Nodos de Ejecución Atómica (AEN), que sirven como unidades confiables y componibles para construir trayectorias de razonamiento semisimuladas que capturan interacciones creíbles entre agente y herramienta. Sobre la base de esta base, desarrollamos una estrategia de ajuste consciente de la trayectoria que alinea el proceso de toma de decisiones del planificador con estas trayectorias de razonamiento de varios pasos, mejorando así la solidez de la inferencia en la comprensión de la patología y su uso adaptativo del conjunto de herramientas personalizado.
Publicado originalmente en export.arxiv.org el 23 de febrero de 2026.
Ver fuente original
