CXRAgent：面向胸腔X光解读的导演编排式多阶段推理

胸腔X光（CXR）在临床诊断中发挥着关键作用，已开发出各种针对性的和基础模型用于自动CXR解读。然而，这些模型常常难以适应新的诊断任务和复杂的推理场景。最近涌现出基于大语言模型的智能体模型，因工具协调、多步骤推理和团队协作等能力而成为一种有前景的范式，用于CXR分析。然而，现有智能体常依赖单一诊断流程，且缺乏评估工具可靠性的机制，限制了其适应性和可信度。为此，我们提出CXRAgent，这是一种导演编排式、多阶段智能体，用于CXR解读，其中中心导演协调以下阶段：（1）工具调用：智能体策略性地协调一组CXR分析工具，输出经Evidence-driven Validator（EDV）归一化和验证，EDV以视觉证据为诊断输出提供可靠的下游支持；（2）诊断规划：在任务要求和中间发现指导下，智能体制定针对性的诊断计划。随后组装专家团队，定义成员角色并协调其交互，以实现适应性和协作推理；（3）协同决策：智能体将专家团队的见解与累积的上下文记忆相整合，综合为以证据为依据的诊断结论。各种CXR解读任务上的实验表明，CXRAgent性能卓越，提供视觉证据并对不同复杂度的临床任务具有良好的泛化能力。代码和数据值得一看。