MARCH：CTレポート生成のための放射線科臨床階層を模したマルチエージェント手法
arXiv cs.AI / 2026/4/20
📰 ニュースIdeas & Deep AnalysisModels & Research
要点
- 本論文は、CTの3D放射線レポート生成における臨床的ハルシネーションを抑えることを目的としたマルチエージェント枠組み「MARCH」を提案している。
- MARCHは、初期ドラフト担当（マルチスケールCT特徴抽出を行うResidentエージェント）、検索に基づく修正担当（複数のFellowエージェント）、診断の不一致を解消するための反復的な姿勢（スタンス）ベース合意をオーケストレーションする担当（Attendingエージェント）という役割分担を行う。
- 放射線科の業務フローにおける専門職階層と反復的な検証プロセスを模倣することで、従来のVLMが「ブラックボックス」的に動作しがちな点の限界に対処している。
- RadGenome-ChestCTデータセットでの評価では、MARCHが臨床的整合性と文章表現（言語）精度の両面で最先端ベースラインを上回った。
- 著者らは、人間の組織構造をAIにモデル化することで、高リスクな医療領域におけるAIの信頼性を高められると主張している。
