Resumo Técnico: RadAgent

Declaração do Problema

Embora os Modelos de Visão-Linguagem (VLMs) tenham avançado na interpretação automatizada de imagens médicas, particularmente de Tomografia Computadorizada (TC), os métodos existentes frequentemente funcionam como "caixas pretas". Eles geram relatórios finais sem expor as etapas intermediárias de raciocínio, a integração de evidências ou a lógica de tomada de decisão. Essa falta de transparência impede que clínicos inspecionem, validem ou refinem a saída da IA, o que é crítico em tarefas diagnósticas de alto risco, como a interpretação de TC de tórax. Além disso, os sistemas agentes atuais livres de treinamento dependem de prompts estáticos ou sequências de ferramentas predefinidas, que podem falhar ao tentar se adaptar a fluxos de trabalho clínicos complexos e dinâmicos ou carecer do conhecimento médico necessário para projetar planos diagnósticos otimizados.

Metodologia

Os autores apresentam o RadAgent, um agente de IA que utiliza ferramentas e é treinado via Aprendizado por Reforço (RL) para realizar uma análise de TC de tórax passo a passo e interpretável.

Arquitetura e Fluxo de Trabalho

O RadAgent opera em um padrão ReAct (Raciocínio + Ação), estruturado em torno de um checklist diagnóstico inspirado em clínicos. O fluxo de trabalho procede da seguinte forma:

1. Inicialização: Ao receber um volume de TC 3D e uma consulta do usuário, o RadAgent invoca um VLM 3D de base (CT-Chat) para gerar um rascunho inicial de relatório.
2. Loop de Raciocínio Iterativo: O agente entra em um loop onde ele:
   • Planeja: Decide a próxima ação diagnóstica com base no checklist e nos achados atuais.
   • Age: Seleciona e chama uma ferramenta específica de um conjunto de ferramentas especializado via Protocolo de Contexto de Modelo (MCP).
   • Observa: Atualiza um "rascunho" (scratchpad) persistente com a saída da ferramenta.
   • Refina: Integra novas evidências para atualizar seus achados preliminares.
3. Terminação: Uma vez que o agente determina que evidências suficientes foram reunidas para satisfazer o checklist, ele sintetiza os dados acumulados em um relatório final.

Conjunto de Ferramentas (Toolset)

O agente interage com um conjunto de dez ferramentas especializadas, acessíveis via servidores MCP, incluindo:

• Ferramentas Apenas de Visão: Segmentação de órgãos, segmentação de derrame, classificação de doenças (baseada em CT-CLIP) e janelamento de TC.
• Ferramentas de Visão-Linguagem: VQA 3D (usando CT-Chat) e VQA 2D (usando Gemma-3-27b-it) para raciocínio ao nível de corte (slice).
• Ferramentas de Utilidade: Extração e seleção de cortes baseadas em máscaras de segmentação.

Paradigma de Treinamento

Ao contrário dos agentes livres de treinamento que dependem de prompts fixos, o RadAgent é treinado usando Otimização de Política Relativa de Grupo (GRPO). O treinamento utiliza um currículo de recompensa composta projetado para equilibrar três objetivos:

1. Qualidade do Relatório: Medida por pontuações F1 em 18 patologias comuns (macro/micro) e uma pontuação F1 específica de anormalidade derivada de um modelo de raciocínio.
2. Eficiência no Uso de Ferramentas: Inclui recompensas para sucesso na chamada de ferramentas, diversidade de ferramentas e coerência do grafo de ferramentas (garantindo que as saídas das ferramentas sejam realmente utilizadas em etapas subsequentes).
3. Aderência ao Checklist e Coerência: Um juiz baseado em LLM avalia se o agente seguiu o checklist diagnóstico e se a sequência de chamadas de ferramentas foi lógica.

O cronograma de recompensa é dinâmico: uma fase inicial incentiva a exploração de sequências de ferramentas diversas, enquanto uma fase posterior prioriza a aderência ao checklist e a coerência da sequência.

Principais Contribuições

1. Interpretação Passo a Passo Transparente: O RadAgent gera relatórios acompanhados de um traço totalmente inspecionável de decisões intermediárias e interações de ferramentas, permitindo que clínicos verifiquem como os achados foram derivados.
2. Uso de Ferramentas Otimizado por RL: O sistema demonstra que o treinamento de agentes com RL permite a descoberta automática de estratégias eficazes de uso de ferramentas, superando sistemas agênticos estáticos e livres de treinamento.
3. Novas Métricas de Avaliação: O estudo introduz e avalia Fidelidade (Faithfulness) e Robustez no contexto de relatórios médicos, métricas anteriormente não medidas em baselines de VLM 3D.

Resultados

Experimentos foram conduzidos no conjunto de dados CT-RATE (validação/teste interno) e no conjunto de dados RadChestCT (avaliação externa).

• Precisão Clínica: O RadAgent superou significativamente o VLM 3D de base (CT-Chat).
  • Macro-F1: Melhorou em 5,8 pontos (aumento relativo de 35,4%) no conjunto de teste CT-RATE.
  • Micro-F1: Melhorou em 5,1 pontos (aumento relativo de 18,6%).
  • Os ganhos foram particularmente notáveis para patologias frequentemente perdidas pelo baseline.
• Robustez: Sob condições adversas (injeção de dicas incorretas), o RadAgent mostrou uma melhoria de 24,7 pontos (41,9% relativo) em robustez sobre o CT-Chat (83,7% vs. 58,9%), indicando uma menor suscetibilidade a prompts enganosos.
• Fidelidade (Faithfulness): O RadAgent alcançou uma pontuação de fidelidade de 37,0%, enquanto o CT-Chat pontuou 0,0%. Isso indica que as saídas do RadAgent refletem explicitamente os fatores (incluindo as dicas injetadas) que influenciaram suas decisões, enquanto o baseline produziu justificativas plausíveis, mas sem fundamentação.
• Baseline Livre de Treinamento: Mesmo sem otimização por RL, uma versão livre de treinamento do RadAgent superou o CT-Chat em macro-F1, sugerindo o valor da própria arquitetura aumentada por ferramentas. No entanto, o RL proporcionou ganhos adicionais significativos, particularmente em generalização fora do domínio (RadChestCT).

Significância e Alegações

O artigo postula que o RadAgent representa uma mudança em direção a uma IA transparente e confiável para radiologia. Ao estruturar a interpretação como um rastro de raciocínio explícito, aumentado por ferramentas e iterativo, o sistema aborda a limitação de "caixa preta" dos atuais VLMs.

Os autores afirmam que:

• A interpretabilidade é acionável: A capacidade de inspecionar o "rascunho" (scratchpad) e o traço das ferramentas permite que clínicos validem achados específicos (por exemplo, solicitando uma segmentação de um derrame pleural para verificar visualmente um achado positivo).
• O RL permite adaptabilidade: Treinar agentes para raciocinar através de etapas intermediárias permite que eles adquiram competências específicas do domínio e aprendam como consultar ferramentas especializadas de forma eficaz, preenchendo a lacuna entre a adaptabilidade geral e a precisão especializada.
• Fluxo de Trabalho Futuro: O sistema vislumbra um fluxo de trabalho "humano no loop" (human-in-the-loop), onde o agente gera um rascunho e o clínico pode interrogar diretamente a evidência subjacente dentro do ambiente RadAgent.

Os autores reconhecem limitações, incluindo o custo computacional de hospedar múltiplas ferramentas intensivas em GPU e o fato de o agente ser otimizado para um conjunto de ferramentas específico, embora sugiram que o pipeline de RL possa ser executado novamente se o conjunto de ferramentas evoluir. Eles também observam que, embora a fidelidade tenha melhorado significamente, a pontuação de 37,0% indica espaço para maior desenvolvimento.