RadAgent：用于胸部计算机断层扫描逐步解读的工具型AI智能体
人工智能
2026-04-17 v1
摘要
视觉语言模型(VLM)显著推进了AI驱动的复杂医学影像(如计算机断层扫描(CT))的解读和报告生成。然而，现有方法在很大程度上将临床医生降级为最终输出的被动观察者，没有提供可供其检查、验证或完善的可解释推理过程。为了解决这个问题，我们引入了RadAgent，一个通过逐步且可解释的过程生成CT报告的工具型AI智能体。每个生成的报告都附带一个完全可检查的中间决策和工具交互轨迹，使临床医生能够检查报告发现是如何得出的。在我们的实验中，我们观察到RadAgent在三个维度上改进了其3D VLM对应物CT-Chat的胸部CT报告生成。临床准确性在宏F1上提高了6.0分(相对提高36.4%)，在微F1上提高了5.4分(相对提高19.6%)。对抗条件下的稳健性提高了24.7分(相对提高41.9%)。此外，RadAgent在忠实度上达到了37.0%，这是其3D VLM对应物完全不具备的新能力。通过将胸部CT的解读构建为显式的、工具增强的迭代推理轨迹，RadAgent使我们更接近放射学的透明和可靠AI。
引用
@article{arxiv.2604.15231,
title = {RadAgent: A tool-using AI agent for stepwise interpretation of chest computed tomography},
author = {Mélanie Roschewitz and Kenneth Styppa and Yitian Tao and Jiwoong Sohn and Jean-Benoit Delbrouck and Benjamin Gundersen and Nicolas Deperrois and Christian Bluethgen and Julia Vogt and Bjoern Menze and Farhad Nooralahzadeh and Michael Krauthammer and Michael Moor},
journal= {arXiv preprint arXiv:2604.15231},
year = {2026}
}