跳到主内容
人工智能

RadAgent：一种用于胸部计算机断层扫描分步解读的工具型人工智能智能体

RadAgent: A tool-using AI agent for stepwise interpretation of chest computed tomography

Mélanie Roschewitz, Kenneth Styppa, Yitian Tao, Jiwoong Sohn, Jean-Benoit Delbrouck, Benjamin Gundersen, Nicolas Deperrois, Christian Blüthgen, Julia Elisabeth Vogt, Bjoern H. Menze, Farhad Nooralahzadeh, Michael Krauthammer, Michael Moor

arXiv (Cornell University) · 2026-04-16

开放获取大模型与语言多模态与视觉语言检索增强与智能体影响因子 ≈0.2

摘要

视觉语言模型在人工智能驱动的复杂医学影像解读与报告生成领域取得了显著进展，胸部计算机断层扫描便是其中之一。然而，现有方法往往使临床医生只能被动接受最终输出结果，无法提供可供其审查、验证或优化的可解释推理路径。为解决这一问题，我们推出了RadAgent——一种采用工具辅助、能够按步骤生成可解释性报告的人工智能智能体。每份生成的报告都附带完整可追溯的中间决策与工具交互记录，便于临床医生了解报告结论的推导过程。实验结果显示，相较于三维视觉语言模型CT-Chat，RadAgent在胸部CT报告生成方面实现了三方面提升：宏观F1值提高了5.8分（相对提升35.4%），微观F1值提高了5.1分（相对提升18.6%）；在对抗性条件下的鲁棒性提升了24.7分（相对提升41.9%）；此外，RadAgent的忠实度达到了37.0%，这一能力是三维视觉语言模型所不具备的。通过将胸部CT解读过程构建为清晰、借助工具辅助且可迭代的推理路径，RadAgent推动我们向透明可靠的放射学人工智能迈进。

本摘要由 AI（Hy-MT2-Pro）翻译生成，仅供参考，请以原文为准。

AI 综述

基于摘要生成
主要观点
论文针对胸部CT报告生成中视觉语言模型只给出最终输出、临床医生难以检查验证和修正的问题，提出工具使用的AI agent——RadAgent。其核心论点是：将胸部CT解读组织为工具增强的、迭代的、逐步可解释的推理轨迹，使每条报告附带可完整检查的中间决策与工具交互记录。作者主张这种显式过程而非仅最终输出，能提升临床准确性、对抗条件下的鲁棒性与忠实性，并使放射AI更透明可靠。材料以CT-Chat为对照，报告了宏观F1、微观F1、鲁棒性和faithfulness的具体增益。
研究方法
采用对照实验，将RadAgent与其3D视觉语言模型对照CT-Chat在胸部CT报告生成任务上比较。方法路径为构建工具使用的AI agent，把CT解读拆成可迭代的工具调用与中间决策，并保留完整可检查的推理轨迹。评价覆盖临床准确性（宏观F1与微观F1）、对抗条件鲁棒性和faithfulness，报告相对与绝对增益。材料中未明确提及数据集来源、样本量、病例构成、工具清单、统计检验及推理成本。
学术贡献
方法创新在于将工具使用与逐步推理轨迹引入胸部CT报告生成，使报告附带可检查的中间决策和工具交互，而不是只给最终文本。领域拓展在于把视觉语言模型医学影像报告生成的研究焦点从输出质量扩展到过程可检查性与临床验证接口。实证贡献表现为相对CT-Chat，临床准确性宏观F1提高5.8分（相对35.4%）、微观F1提高5.1分（相对18.6%），对抗鲁棒性提高24.7分（相对41.9%）。能力层面实现37.0%的faithfulness，材料称该能力在3D视觉语言模型对照中完全缺失。
存在局限
对照仅提及CT-Chat一个3D视觉语言模型基线，材料未明确提及其他视觉语言模型、非agent管线或消融实验，难以分离工具调用、迭代结构与轨迹记录各自的贡献。样本代表性和外部效度受限：材料未明确提及数据集来源、病例数量、设备或协议分布与多中心验证。评价以宏观F1、微观F1、对抗鲁棒性和faithfulness为主，材料未明确提及放射科医生读者研究、报告错误类型分析或临床工作流指标。“可完整检查”的轨迹是否真能被临床医生用于验证和修正，材料未给出用户实验证据；工具调用错误在迭代中如何传播也未明确。37.0%的faithfulness绝对值有限，材料未明确其指标定义、阈值与统计不确定性。
进一步研究方向
开展消融与多基线对照：在相同胸部CT报告生成任务上加入无工具视觉语言模型、无轨迹agent、其他3D视觉语言模型，并分别移除工具调用、迭代步骤或轨迹输出，验证性能增益来源。开展放射科医生读者研究：让医生检查RadAgent的中间决策与工具交互轨迹，测量其发现错误、修正报告的比例与耗时，验证可检查性是否转化为可验证性。进行工具故障与对抗扰动注入实验：模拟工具返回错误或缺失，追踪错误在迭代推理中的传播，并检验鲁棒性增益是否保持。做多中心或多协议外部验证：明确病例来源、样本量与设备分布，复测宏观F1、微观F1、鲁棒性和faithfulness，检验结论可迁移性。细化faithfulness评测：给出指标定义、阈值与置信区间，并与医生标注的错误类型对齐。

本综述由 AI（deepseek-flash）基于摘要自动生成，仅供参考，不代表原文作者观点，请以原文为准。

参考文献

相关论文

话题：Artificial Intelligence in Healthcare and Education