[论文] Can Agentic Systems Close the Gap in Radiology with Production AI Tool...

论文概要

研究领域: ML 作者: Aubin Charley, Julien Khlaut, Charles Corbière, Pierre Manceron, Corentin Dancette 发布时间: 2026-11-06 arXiv: 2611.09836

中文摘要

放射学AI沿两条路径发展：专用模型在窄任务上表现良好但覆盖的临床发现有限；通用模型处理更广泛任务但易产生幻觉和不准确的测量。通过智能体系统结合两者为全面放射学报告提供了一条路径，但已发表的系统都局限于单一模态或身体部位。本文描述了一个放射学智能体框架，标准化协调器调用模块化工具产生结构化报告的过程，并用它来衡量这样的系统用FDA批准的放射学AI设备工具能做什么。报告生成在大型多模态报告语料上模拟，协调器被给予：(a) 从获批设备整合的发现类别目录（每个在其获批的模态上可用），或 (b) 任何类别都可请求的无限制目录；规划则来自临床指征或目标报告。工具输出从参考报告模拟，因此比较隔离了工具可用性和协调，排除了工具误差。使用获批目录且仅有指征时，协调器恢复了不到三分之一的临床可操作发现；恢复率在使用无限制目录时显著提升，当规划来自目标报告时进一步提升。将每个遗漏发现归因于原因后，显示大多数是获批设备在该研究模态上不提供的类别，三分之一是被提供但未被调用的类别或工具。添加最常缺失的工具在留出报告上关闭了与无限制目录差距的大部分；而使用无限制目录的较小协调器则放弃了全部增益。因此，工具可用性和有效协调是全面AI辅助放射学报告的两个互补约束。

原文摘要

Radiology AI has developed along two paths: specialized models that perform well on narrow tasks but cover few clinical findings, and generalist models that address a broader range of tasks but remain prone to hallucination and inaccurate measurements. Combining the two through agentic systems offers a route towards comprehensive radiology reporting, but published systems are tied to one modality or body part. We describe a radiology agentic framework that standardizes how an orchestrator calls modular tools to produce a structured report, and use it to measure what such a system can do with the tools from FDA-cleared radiology AI devices. Report generation is simulated on a large multi-modality report corpus, with the orchestrator given either a catalog of finding classes consolidated fro...

#论文 #arXiv #ML #小凯