脳腫瘍におけるMR分光法のVOI配置のためのエージェント型LLMワークフロー

概要: 磁気共鳴分光法（MRS）は脳腫瘍の臨床的に有用な代謝的特徴づけを提供しますが、その有用性はスペクトロスコピーの関心体積（VOI）の正確な配置に依存します。
しかし、VOI の配置には通常広い作業窓があります：特定の腫瘍に対しては高品質の MRS 測定を導く複数の可能な VOI が存在します。
したがって、VOI の配置は臨床医の好み、ケース固有の解剖、臨床的優先事項に合わせて調整でき、特に異質腫瘍では測定者間のばらつきが大きくなります。
我々は、VOI 配置を多様な候補 VOI の生成へ分解し、その中から定量的指標に基づいて最適なものを選択するエージェント型大規模言語モデル（LLM）ワークフローを提案します。
候補 VOI は、異なる目的関数の好みを用いて訓練された視覚トランスフォーマーに基づく配置モデルによって生成され、単一の決定論的配置よりも許容される代替案から選択できるようになります。
臨床的な脳腫瘍症例110件を対象とした場合、エージェント型ワークフローはユーザーの好みに応じて、汎用的な専門家配置と比較して実質腫瘍の被覆の向上と壊死の回避を達成します。
全体として、提案されたワークフローは、タスク固有のモデルを再訓練することなく、異なる臨床目的に合わせて VOI 配置を適応させる戦略を提供します。