PathGLS: グラウンドトゥルースなしで病理視覚-言語モデルを多次元の一貫性で評価する

要旨: Vision-Language Models (VLMs) は、解釈可能な画像分析、自動レポート作成、そしてスケーラブルな意思決定支援を実現することで、計算病理学における大きな潜在能力を提供します。
しかし、それらの広範な臨床採用は、幻覚などの微妙な失敗を特定できる信頼性の高い自動評価指標が欠如しているため、依然として限られています。
このギャップを埋めるために、PathGLSという新規のリファレンスフリー評価フレームワークを提案します。病理VLMを3つの次元で評価します：Grounding（細粒度の視覚-テキスト整合性）、Logic（自然言語推論を用いた含意グラフの一貫性）、Stability（敵対的な視覚意味的摂動下での出力分散）。
PathGLSはパッチレベルと全スライド画像（WSI）レベルの解析の双方をサポートし、包括的な信頼スコアを提供します。
Quilt-1M、TCGA、REG2025、PathMMU、TCGA-Sarcomaデータセットでの実験は、PathGLSの優位性を示しています。
具体的には、Quilt-1Mデータセットでは、PathGLSは幻覚的なレポートに対する感度が40.2%ポイント低下することを示す一方で、BERTScoreではわずか2.1%ポイントの低下にとどまります。
さらに、専門家が定義した臨床エラー階層に対する検証は、PathGLSが強いスピアマンの順位相関係数を ho=0.71（p < 0.0001）得ることを示しており、LLMベースのアプローチ（Gemini 3.0 Pro: ho=0.39, p < 0.0001）を大幅に上回っています。
これらの結果は、PathGLSを堅牢なリファレンスフリー指標として確立しています。
幻覚発生率とドメインシフトの頑健性を直接定量化することで、機密の臨床データセットに対するVLMのベンチマークや安全な展開の指標として信頼できる基準となります。
コードは以下のURLにあります: https://github.com/My13ad/PathGLS