BT-RADSスコアリングのエージェント型自動化：標準化された脳腫瘍フォローアップ評価のためのエンドツーエンド多エージェントシステム
arXiv cs.CL / 2026/3/24
💬 オピニオンSignals & Early TrendsModels & Research
要点
- 本論文は、LLMベースの臨床変数抽出器とCNNベースの腫瘍セグメンテーションを組み合わせ、治療後のBT-RADS脳腫瘍応答分類を自動化するエンドツーエンドの多エージェントシステムを提示している。
- 単一の高ボリューム施設から選出した492件の適格MRI検査を用いて、このシステムは初期の臨床的評価に対し76.0%の精度を達成（初期評価は57.5%）し、性能は18.5パーセントポイント向上した（P<.001）。
- 文脈依存型のBT-RADSカテゴリーは高い感度を示した（例：BT-1bは100%、BT-1aは92.7%）一方で、しきい値依存型のカテゴリーはより中程度の感度を示した（例：BT-3bは57.1%）。
- BT-4検出について、システムは高い陽性的中率（92.9%）を示し、臨床的に重要なこのカテゴリーを同定する信頼性の高さが示唆された。
- 著者らは、多エージェントLLMアプローチが、臨床医の初期スコアよりも専門の神経放射線科医の参照標準との一致度が高かったと報告しており、フォローアップ評価のより標準化を支援し得る可能性を示している。
