Agentic Autoresearch for CT Reconstruction

技術要約：CT再構成のためのエージェンティック・オートリサーチ（Agentic Autoresearch）

問題提起
ディープラーニングは、計算機断層撮影（CT）の再構成手法において、極めて多様かつ膨大な手法を生み出してきたが、公平な比較は依然として多大な労力を要する手作業であり、多くの場合、理想化されたデータに依存している。さらに、ノイズレスまたは低ノイズのベンチマークから得られたランキングが、現実的な物理的摂動の下での性能を予測できるのかどうかは不明である。著者らは、次の2つの主要な問いを投げかけている。(1) 大規模言語モデル（LLM）エージェントは、再構成手法の実装、チューニング、およびベンチマークをスケールさせて自律的に実行できるか？ (2) 理想的なデータで測定されたリーダーボードは、現実的なノイズに対する堅牢性を予測するのか、それとも小さな摂動によってランキングが逆転してしまうのか？

手法
著者らは、単一のLLM（Claude Opus 4.8）によって駆動される「エージェンティック・ループ」を構築し、研究サイクルを自動化した。このエージェントは、固定された予算内で閉じたループ内で動作する：

1. 入力: 前回のイテレーションの結果を読み取り、特定の失敗モード（例：ヘッドルーム・スコアの停滞、残留ストリーク）を特定し、仮説を策定する。
2. アクション: 単一のソルバー・コンポーネント（ハイパーパラメータまたはコード）を編集し、短時間のクラスタージョブを実行する。
3. 評価: 固定され較正された単一の指標であるヘッドルーム・スコア ($hr$) を読み取る。
   • $hr = \max(0, 1 - \frac{RMSE(\hat{x})}{RMSE(x_{FBP})})$。ここで $\hat{x}$ は再構成画像、$x_{FBP}$ はフィルタ補正逆投影法（FBP）のベースラインである。
   • この指標は、関心領域内におけるFBPベースラインからの改善度を測定する。
4. 制約: 公平な比較を保証するため、すべての手法は同一の微分可能なファンビーム・プロジェクター（PYRO-NN）に基づいている。

エージェントは、2つの異なるCT問題に対して26種類の確立された手法をベンチマークした：

• Mayo Low-Dose CT: ヘリカルデータをファンビーム幾何学にリビンした、ノイズ制限のある問題。
• Breast CT Challenge: 合成されたノイズレス・ファントムを用いた、128ビューのスパースビュー問題（不完全性制限の問題）。

研究にはノイズ堅牢性実験が含まれている：

• 転移テスト (Transfer Test): ノイズレス・データで最適化された学習済みモデルを、再学習なしで、軽微なポアソンノイズ（$I_0 = 10^5$ 光子）を含むテスト入力に対して再スコアリングした。
• 再学習テスト (Retraining Test): ランキングが復元可能かどうかを確認するため、一致するノイズデータを用いてモデルをゼロから再学習させた。

さらに、エージェントは、性能を維持しつつパラメータ数を最小化するという人間の示唆に基づき、26の手法のコンポーネントを組み合わせてコンパクトなソルバーを構築することを試みた。

主な貢献

1. エージェンティック・ループの実装: 戦略と監査のための高度な人間によるガイダンスのみを必要とし、完全なプロベナンス（履歴）を伴う、26の手法の実装、チューニング、およびベンチマークを完全に自律的に行うループを実現した。
2. コンパクト・ソルバーの発見: エージェントは、問題固有の超コンパクトなソルバーを2つ導出した：
   • Mayo (ノイズ制限型): 969パラメータのマルチスケール・バイラテラル・デノイザー。
   • Breast (スパースビュー型): フィルタリングされたデータ整合性とプライマル・デュアル・アンローリングを組み合わせた195パラメータのソルバー。
   • これらのコンパクトなソルバーは、チャンピオンのパラメータ数の約0.4%を使用しながら、トップティア（1%レベル）の性能を達成した。
3. 堅牢性の逆転: 理想的なデータのランキングは、ノイズに対する堅牢性を予測しないことを示した。軽微で現実的なノイズの摂動により、Breast CTのリーダーボードはほぼ逆転した。
4. オープンソースの公開: 26の手法の実装、コンパクト・ソルバー、およびエージェンティック・ループのコードをすべてオープンソースとして公開した。

結果

• ベンチマーク: Mayoデータセットにおいて、上位の手法は統計的に区別がつかないティアを形成した（単一の勝者は存在しない）。ノイズレスのBreastデータセットでは、教師ありデュアルドメイン・デノイザーおよびアンロールド・ネットワークが優位であった（ヘッドルーム $hr \approx 0.89$）。
• 逆転現象: 再学習なしでBreastのテスト入力に軽微なノイズを加えたところ、ランキングがほぼ逆転した：
  • ノイズレスのチャンピオン（教師あり画像ドメイン・デノイザー）は $hr = 0.00$ に崩壊した。
  • 物理正規化手法（Learned Primal-Dual、手作りの平滑化）が上位に浮上した。Learned Primal-Dual法は、ランク6 ($hr=0.72$) からランク1 ($hr=0.93$) へと上昇した。
  • 教師あり画像ドメイン・デノイザーは、クリーンな分布で学習されていたため、分布のシフトに対応できず失敗した。
• 再学習: 一致するノイズデータでモデルを再学習させたところ、元のランキングが部分的に復元された（スペアマンの $\rho$ が 0.04 から 0.61 へ増加）。これは、崩壊の原因が分布のミスマッチであり、根本的なアーキテクチャの欠陥ではないことを示している。
• エージェントの効率: エージェントは2日間で13のソルバーをオンボーディングし、約1,100回のイテレーションを実行した。しかし、コンパクト・ソルバー探索における局所最適解から脱出するために、「未試行の方向」を提案する人間による介入が必要であった。

意義と主張
本論文は、エージェンティック・オートリサーチが、実験のスケール化と公平な比較を確実にするための実行可能なエンブラー（実現手段）であると主張している。なぜなら、エージェントは固定された指標の下で、実装とチューニングの労力を担うことができるからである。ただし、エージェントは新しい再構成原理を発明したのではなく、既存の原理を再結合したものである。

主要な科学的知見は、理想的なデータのリーダーボードは堅牢性の予測因子としては不十分であるということである。クリーンなデータにおける手法の性能は、現実的なノイズ下での性能を保証せず、実際にはランキングが完全に逆転することさえある。著者らは、この逆転は訓練とテストの分布のミスマッチによる「転移効果」であり、再学習によって軽減できるものであると論じている。

決定的なことに、本論文は、単一の要因による挑戦では汎用性を証明できないと結論付けている。再学習はノイズの問題を解決したが、現実世界のCT再構成は、ビーム硬化、散乱、解剖学的構造、疾患といった、開かれた、変化し続ける一連の交絡因子に直面している。したがって、ベンチマークは要因を一つずつ変えるのではなく、広範で現実的な、同時に発生する複数の要因をモデル化すべきである。エージェンティック・オートリサーチは、このような複雑で多因子なベンチマークを、手頃で実行可能なものにするためのツールとして提示されている。