通过多智能体系统增强放射学报告印象生成的LLM
计算与语言
2024-12-11 v1 人工智能
摘要
本研究提出了"RadCouncil"，一个多智能体大语言模型（LLM）框架，旨在从发现部分增强放射学报告中印象的生成。RadCouncil由三个专门智能体组成：1）"检索"智能体，用于从向量数据库中识别和检索相似报告；2）"放射科医生"智能体，根据给定报告的发现部分以及检索智能体检索到的示例报告生成印象；3）"审核"智能体，评估生成的印象并提供反馈。RadCouncil的性能通过定量指标（BLEU、ROUGE、BERTScore）和GPT-4评估的定性标准进行评估，以胸部X光片作为案例研究。实验结果表明，RadCouncil在多个维度上优于单智能体方法，包括诊断准确性、风格一致性和清晰度。本研究强调了利用多个具有专门任务的交互式LLM智能体来提升专业医疗任务性能以及开发更稳健和适应性更强的医疗人工智能解决方案的潜力。
引用
@article{arxiv.2412.06828,
title = {Enhancing LLMs for Impression Generation in Radiology Reports through a Multi-Agent System},
author = {Fang Zeng and Zhiliang Lyu and Quanzheng Li and Xiang Li},
journal= {arXiv preprint arXiv:2412.06828},
year = {2024}
}