LungNoduleAgent：面向肺结节精准诊断的协作多智能体系统

肺癌诊断通常涉及医生在CT扫描中识别肺结节，并根据其形态特征和医学专长生成诊断报告。尽管已对使用多模态大语言模型分析肺CT扫描取得了进展，但在准确描述结节形态和融合医学专长方面仍存在挑战。这会影响这些模型在临床环境中的可靠性和有效性。协作式多智能体系统是实现医疗应用中通用性与精确性之间平衡的有前景的策略，然而其在病理学中的潜力尚未得到充分探索。为弥合这些差距，我们引入LungNoduleAgent，这是一个专为分析肺CT扫描而设计的创造性协作多智能体系统。LungNoduleAgent将诊断过程分为顺序组件，提高了对结节描述的精确性和恶性分级，通过三个主要模块实现。第一个模块是Nodule Spotter，协调临床检测模型以准确识别结节。第二个模块是Radiologist，集成局部图像描述技术，生成综合性的CT报告。最后一个模块是Doctor Agent System，通过图像和CT报告进行恶性推理，受益于病理知识库和多智能体系统框架。广泛的测试在两个私有数据集和公开的LIDC-IDRI数据集上表明，LungNoduleAgent超过了主流视觉-语言模型、智能体系统和先进专家模型。这一结果凸显了区域级别语义对齐和多智能体协作在结节诊断中的重要性。LungNoduleAgent作为支持肺结节临床分析的前沿工具，展现了巨大的潜力。