要旨: 自動化された放射線診断レポート生成には、放射線科医の膨大な業務負荷を軽減するという顕著な可能性がある。近年のマルチモーダル大規模言語モデル(MLLMs)の視覚と言語の能力は非常に高いものの、臨床応用は固有の制約によって著しく制限されている:診断を裏付ける明示的な視覚証拠が不足しているため、生成されたレポートはブラックボックス的な意思決定のせいで追跡不能になり、外部ドメイン知識へアクセスするのにも苦労する。これらの課題に対処するため、Evidence-driven Radiology Report Generation Agent(EviAgent)を提案する。不透明なエンドツーエンド型のパラダイムとは異なり、EviAgent は複雑な生成プロセスを粒度の高い運用単位に分解することで、透明な推論経路を調整する。外部サポートモジュールとして、多次元の視覚エキスパートと検索メカニズムを統合し、システムに明示的な視覚証拠と高品質な臨床的事前知識を付与する。MIMIC-CXR、CheXpert Plus、IU-Xray データセットを用いた広範な実験により、EviAgent は大規模な総合モデルと専門的な医療モデルの両方を上回ることが示され、自動放射線レポート生成に対して堅牢で信頼できる解決策を提供する。
EviAgent: 放射線診断レポート生成のためのエビデンスに基づくエージェント
arXiv cs.AI / 2026/3/17
💬 オピニオンModels & Research
要点
- 本論文は、機械学習モデルのブラックボックス問題に対処するための放射線レポート生成用のエビデンス駆動エージェントである EviAgent を提案する。
- 本手法は、多次元の視覚エキスパートと検索モジュールを用いてタスクを粒度の高い運用単位に分解し、明示的な視覚証拠と臨床的事前情報を提供する。
- 一般モデルおよび専門的医療モデルと比較して、MIMIC-CXR、CheXpert Plus、IU-Xray データセット上で優れた性能を示す。
- アプローチは、追跡性と臨床的信頼性を向上させる、透明で信頼性の高い自動化放射線レポート生成ワークフローの提供を目指す。


![[ニューラルネットワーク] 今こそ起源を見つめる時 Ep.5 (最終話) 〜情熱の連鎖が明日を照らす〜](/_next/image?url=https%3A%2F%2Fassets.st-note.com%2Fproduction%2Fuploads%2Fimages%2F260885500%2Frectangle_large_type_2_f8df7c72d21f86c39d4096dd995f50d1.png%3Fwidth%3D219%26dpr%3D2%26frame%3D1%26format%3Djpg&w=3840&q=75)
