UltrasoundAgents: 乳房超音波診断の階層型多エージェント証拠連鎖推論

本文: arXiv:2603.10852v1 アナウンスタイプ: new Abstract: 乳房超音波診断は通常、病変を全体から局所のサイン評価へと進み、次いで証拠を統合して BI-RADS カテゴリを割り当て、良性か悪性かを決定します。多くの既存手法はエンドツーエンドの予測に依存するか、または弱く根拠づけられた証拠しか提供せず、微細な病変の手掛かりを見逃すことがあり、監査可能性や臨床レビューを制限することがあります。臨床ワークフローに合わせ、証拠の追跡性を向上させるため、私たちは UltrasoundAgents と名付けた階層型多エージェントフレームワークを提案します。メインエージェントは全画像中の病変を局在化し、切り抜きとズーム操作をトリガーします。サブエージェントは局所ビューを分析し、四つの臨床的に関連する属性、すなわちエコー性パターン、石灰化、境界タイプ、エッジ（マージン）形態を予測します。その後、メインエージェントはこれらの構造化属性を統合して、証拠に基づく推論を行い、BI-RADS カテゴリと悪性予測を出力するとともに、臨床でレビュー可能な中間証拠を提供します。さらに、階層型多エージェント訓練はしばしば誤差伝播、難しいクレジット割り当て、疎な報酬といった課題に苦しみます。これを緩和し訓練の安定性を向上させるため、デカップリングされた段階的訓練戦略を導入します。我々はまず属性エージェントを訓練し、次にオラクル属性を用いてメインエージェントを訓練して属性ベースの堅牢な推論を学習し、最後に空間的監督を伴う修正的な軌跡自己蒸留を適用して、監督付きファインチューニングのための高品質な軌跡を構築し、実装可能なエンドツーエンド方針を得ます。実験では、診断精度と属性一致性において強力なビジョン言語ベースラインを一貫して上回り、構造化された証拠と追跄可能な推論を示します。