要旨:
我々は、MARL-Rad、放射線科レポート生成のための新規のマルチモーダル・マルチエージェント強化学習フレームワークを提案します。これは、領域特異エージェントとグローバル統合エージェントを協調させ、臨床的に検証可能な報酬で最適化されます。従来の単一モデルによる強化学習や、独立して訓練されたモデルの事後的エージェント化とは異なり、我々の手法は複数のエージェントを同時に訓練し、強化学習を通じてエージェント全体のシステムを最適化します。MIMIC-CXRおよびIU X-rayデータセットでの実験は、MARL-RadがRadGraph、CheXbert、GREENスコアなどの臨床的有効性（CE）指標を一貫して改善し、CE性能の最先端を達成することを示します。さらなる分析は、MARL-Radが左右の一貫性を高め、より正確で詳細情報に富むレポートを生成することを確認します。
放射線画像診断レポート生成のためのマルチモーダル・マルチエージェント強化学習: 臨床的に検証可能な報酬を備えた放射線科医のようなワークフロー
arXiv cs.LG / 2026/3/19
💬 オピニオンIdeas & Deep AnalysisModels & Research
要点
- MARL-Rad は、領域特定エージェントをグローバル統合エージェントと協調させる、放射線レポート生成のためのマルチモーダル・マルチエージェント強化学習フレームワークを提案する。
- このシステムは共同訓練され、臨床的に検証可能な報酬によって最適化され、単一モデルの RL や独立したモデルの後付けエージェント化を回避する。
- MIMIC-CXR および IU X 線データセットでの評価により、RadGraph、CheXbert、GREEN などの指標を用いて、MARL-Rad が臨床的有効性（CE）性能の最先端を達成することを示している。
- 追加分析は、MARL-Rad が左右性の一貫性を高め、より正確で詳細情報に富む放射線レポートを生み出すことを示唆している。
