六步智能体把形态统计变成命名征象
这项研究要解决的是一个翻译问题，而不是预测问题。影像组学输出的是球形度、表面积、伸长率等数字，而临床医生习惯用分叶、菜花状轮廓这类视觉描述来推理。作者搭建了一条流水线，试图自动跨越这道鸿沟，把定量形态特征转换成语义征象，也就是放射科医生在阅片时可以直接套用的、有名字且直观的描述。
流水线运行在 Coze 平台上，由 DeepSeek V4 Pro 模型驱动，按六个连续步骤组织。第一步，对全部 14 个形态特征计算队列层面的描述性统计。第二步，启动五个并行的分析智能体，它们收到完全相同的提示词和输入数据，各自提出最多三个候选征象，每个征象都带一个取自日常物品的名称、与定量数值挂钩的形态描述，以及临床意义。第三步，汇总所有候选，合并名称等价的征象，并按五个分析智能体中有几个独立提出该征象来排序。后续步骤生成可供临床医生使用的操作性定义、征象—特征对应表，以及自动绘制的图。
这个共识计数是流水线自己的筛选机制，不是诊断准确性的度量。一个征象被五名分析智能体中的四名提出，说明它在这套工作流内更可重复，但这个频次并不能说明该征象能否区分疾病。论文把所有生成的判据都当作待外部验证的假设，最终只有一个征象被推进到验证阶段。
命名之前，14 个形态特征已证明稳定
肿瘤分割由一名有 10 年以上经验的放射科医生用 ITK-SNAP 完成，在增强 T1 加权图像上逐层勾画肿瘤强化部分（包括内部坏死），并以 T1 和 T2 图像作参考。随后 PyRadiomics 提取 14 个形态相关特征，包括伸长率、平坦度、长短轴长度、最大三维和二维径线、网格体积、球形度、表面积、表面积体积比和体素体积。
特征稳定性通过另一名有 10 年以上经验的放射科医生复核：随机抽取 30 例发育集病例重新分割并重复提取。组内相关系数在 0.910 至 0.996 之间，作者称其为极好的稳定性。这一点很关键，因为整条下游推理链消费的就是这 14 个数字；输入不稳定，任何命名征象都可能是分割的产物，而不是肿瘤形状的产物。
这里的范围按设计就很窄。只有形态特征进入流水线，作者的理由是许多传统影像征象本身就基于形态描述。纹理特征、小波特征，以及实性区与坏死区等亚区分分析，都留给了未来工作。
菜花征与茄子征各获五分之四支持
五个分析会话共提出八个不同征象。汇总后得到三个领先征象：菜花征，在五个会话中有四个以菜花提出、一个以黑莓提出；茄子征，五个会话中有四个提出；煎饼征，两个会话以煎饼提出、一个以魟鱼提出。理解这些计数时，合并规则很重要——黑莓被并入菜花，是因为汇总智能体判断两个名称在形态上等价，所以 4/5 反映的是合并后的结果，而不是五个独立一致的标签。
对菜花征，流水线给出的形态描述是：肿瘤整体呈圆形，但轮廓明显凹凸不平，边缘不规则、呈结节状并有深裂隙，形似菜花。它建议的判据是：在增强 T1 加权图像上，至少两个相邻轴位层面出现至少三个结节，且每个结节的突出深度和裂隙深度均达到 5 mm 或以上；评估时自上而下逐层扫查，选取结节数最多的层面。
征象—特征表显示了模型如何为自己的命名找依据。提出菜花征的五名分析智能体全部引用了表面积体积比，五名中有四名引用了表面积。对茄子征，四名提出者全部引用长轴长度；对煎饼征，三名提出者全部引用平坦度。这些是模型在名称与特征之间生成的关联，不是经过检验的生物学关系。
放射科医生把单层计数改为三维规则
两名有 10 年以上经验的放射科医生审阅了完整流水线输出，一致认为结节状突出是菜花征的核心特征。他们也发现了一个实际缺陷：只看单个层面，可能被层厚和层面角度等扫描因素干扰。本研究使用的层厚为 6 mm，因此单张轴位图像只是对三维表面的粗糙采样。
修改后的判据因此要求：在所有层面累计识别至少三个突出，每个突出基底宽度至少 5 mm、投影深度至少 5 mm，位于主肿瘤轮廓之外，并且至少在两个正交平面上可见。这是一次实质性的人工修改，而非表面润色：AI 的选层指令被弃用，测量基础从单个层面变成整个体积。
任何声称流水线产出了已验证征象的说法，都应结合这一步来读。外部验证的是临床医生修改后的菜花征判据，应用于增强 T1 加权图像。茄子征、煎饼征，以及 AI 最初的单层规则，都没有在独立数据上检验过。
修改后的征象以 AUC 0.75 区分 GBM 与转移瘤
验证使用一个外部队列，包含 50 例胶质母细胞瘤和 50 例单发脑转移瘤，病例以随机顺序呈现，两名放射科医生均对病理结果设盲。两名阅片者报告该征象在胶质母细胞瘤中的出现率平均为 73%（分别为 66% 和 80%），在转移瘤中平均为 23%（分别为 20% 和 26%）。两名阅片者对两种肿瘤的比较均达到 p < 0.001，阅片者间一致性为 kappa 0.76，属于较高水平。
得到的 AUC 分别为：第一位放射科医生 0.73（95% CI 0.64–0.82），第二位 0.77（95% CI 0.69–0.85），平均 0.75，两名阅片者之间无显著差异（p = 0.229）。但两人的操作特性存在对临床有意义的差别。放射科医生 1 的敏感度 66.0%、特异度 80.0%、准确率 73.0%、阳性预测值 76.7%、阴性预测值 70.2%、阳性似然比 3.30、阴性似然比 0.42。放射科医生 2 的敏感度 80.0%、特异度 74.0%、准确率 77.0%、阳性预测值 75.5%、阴性预测值 78.7%、阳性似然比 3.08、阴性似然比 0.27。
也就是说，两名阅片者在敏感度与特异度之间做了不同取舍，最终 AUC 相近。如果要用这个征象来排除胶质母细胞瘤，阴性似然比 0.42 与 0.27 的差别并不小，这正是只看平均 AUC 会低估两名阅片者行为差异的原因。这些数字还来自同一家医院、100 例患者的单一外部队列，因此更诚实的概括应看置信区间，而不只是点估计。
命名征象针对的缺口不同于显著性图
作者把自己的方法与两类替代方案作了对照。传统影像组学工作流产出的是数值特征分组，需要事后由专家标注；显著性图、置换重要性和 Shapley 值等可解释性技术描述的是模型如何使用特征，而不是给临床医生一个可以用肉眼套用的描述。论文的主张是，语义征象更接近日常阅片，因此可以作为影像组学临床转化的一种形式。
作者明确提出了分工：AI 生成假设，临床医生负责验证、赋予情境并做最终决定。作者把模型仅凭数字就能命名征象的能力，归因于预训练时从医学文献和图像—文字配对中获得的形态学知识，认为这些知识隐含地把形状描述与视觉表型联系起来。这一解释是作者对观察到的能力的解读，研究本身并未检验。
这也正是证据相对于论述框架最薄弱的地方。流水线的征象—特征关联是模型生成的假设；论文明确说明只验证了菜花征，且属于概念验证。读者若要把这项工作与影像组学可解释性研究相比较，应注意这种比较是概念层面的，因为研究并未与显著性图或 Shapley 方法做头对头比较。
一个征象、一个中心、一个模型、一种肿瘤
流水线在单中心、单一肿瘤类型的数据集上评估，样本量有限，MRI 来自多台扫描仪且层厚较厚（6 mm），并且只使用了一个 AI 平台和一个大语言模型。跨肿瘤类型、成像协议和模型架构的稳定性与泛化性仍未检验，因此 4/5 和 5/5 这类共识计数应理解为该配置内的可重复性，而不是智能体 AI 的一般属性。
还有两条边界决定了 AUC 结果能走多远。这些征象本质上是三维的，而放射科医生阅读的是二维图像，应用它们需要一次心象映射，论文承认这是当前的负担。此外，尚无前瞻性研究评估菜花征是否会改变放射科医生的工作流、诊断信心或下游管理；报告的性能是回顾性图像上的诊断区分能力，而不是诊疗交付效果。
由此得出的实际优先级很具体：这里展示的价值是从形态特征生成一个可检验、视觉上有意义的判据，而唯一通过外部检验的判据在奏效之前需要人工修改。下一个决定性检验是：未经修改的流水线输出，或尚未检验的茄子征和煎饼征，能否在多中心验证中站得住脚——而不是这套框架能否产出更多征象。
本文引用的文献
From quantitative features to imaging signs: agentic AI-driven autonomous discovery in glioblastoma
一条智能体 AI 流水线把 106 例胶质母细胞瘤的 14 个形态影像组学特征转换成八个候选征象；经临床医生修改的菜花征在两名设盲放射科医生区分 50 例 GBM 与 50 例转移瘤时，AUC 分别为 0.73 和 0.77。