RadAgent: A tool-using AI agent for stepwise interpretation of chest computed tomography
RadAgent 是一种能够使用工具的 AI 智能体，它通过提供可解释的逐步推理轨迹来增强胸部 CT 报告的生成，与现有的 3D 视觉语言模型相比，显著提高了临床准确性、鲁棒性和忠实度。
原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
想象一下，放射科医生观察 3D CT 扫描影像，就像是在一个巨大的、多层叠放的草堆中寻找几根特定的针。这是一项庞大的工作，需要逐层检查切片。
长期以来，AI 工具（被称为“视觉语言模型”或 VLM）在观察这些扫描影像并撰写报告方面表现出色。但它们的工作方式就像一个黑盒：它们观察图像后会立即吐出最终报告。如果医生想知道 AI 是如何发现某个特定问题的，或者为什么漏掉了某个问题，AI 无法解释自己。它只是给出了答案。
RadAgent 登场：侦探型 AI
该论文的作者构建了一种新型 AI，名为 RadAgent。RadAgent 不再是一个黑盒，它更像是一个正在破解案件的侦探。
以下是它的工作原理，使用了一个简单的类比：
1. 初步猜测（“直觉”）
当 RadAgent 接收到 CT 扫描时，它不会立即猜测答案。首先，它会使用一种标准的 AI 工具来写一份初步草案。这可以看作是侦探根据对犯罪现场的快速扫视所产生的初步“直觉”。
2. 清单（“待办事项列表”）
侦探不会仅仅依赖直觉。RadAgent 拥有一份诊断清单（类似于医生的标准操作程序）。它必须检查特定的事项：心脏是否正常？是否有积液？是否有微小的结节？
3. 工具箱（“专业小工具”）
这是 RadAgent 与众不同之处。它不会试图只靠自己的大脑完成所有事情。相反，它拥有一个专业小工具箱（软件工具），它可以调用这些工具：
- 分割工具： 就像一个自动勾勒心脏或肺部轮廓并进行测量的“高亮笔”。
- 切片工具： 就像一个“翻页器”，可以放大查看 3D 扫描中的特定 2D 切片。
- 提问工具： 一个可以观察特定切片并回答特定问题（如“这里是否有积液？”）的工具。
4. 调查过程（“循序渐进”）
RadAgent 遵循一个循环：
- 计划： “我需要检查积液。”
- 行动： 它调用“积液分割工具”。
- 观察： 工具回答：“这里确实有积液。”
- 更新： RadAgent 将此记录在一个“便签”（证据笔记）中。
- 重复： 它转向清单上的下一项，比如检查肺结节，调用不同的工具，并将结果添加到便签中。
只有在通过这些工具收集了足够的证据后，它才会撰写最终报告。
为什么这更好？（研究结果）
论文将 RadAgent 与旧有的“黑盒”AI（称为 CT-Chat）进行了对比测试，发现有三大优势：
- 更准确： 由于 RadAgent 使用特定工具反复核实其工作，它能更正确地发现问题。论文指出，与旧 AI 相比，它的准确率提高了约 35%。
- 更难被误导： 研究人员尝试通过提供虚假提示（例如，在没有肿瘤的情况下告诉它“我认为这里有一个肿瘤”）来“欺骗”AI。旧的 AI 通常会相信虚假提示并写出错误的报告。然而，RadAgent 会使用工具检查实际扫描影像，忽略虚假提示，坚持事实。它在应对此类误导方面的鲁棒性（稳健性）提高了 42%。
- 更具“忠实度”（诚实）： 这非常重要。如果旧的 AI 因为虚假提示而改变主意，它只会写下新的答案而不会说明原因。这属于在推理过程中撒谎。由于 RadAgent 会保留其步骤的“痕迹”，它可以清晰展示哪些证据导致了它的结论。旧的 AI 具有 0% 的忠实度（它从未承认其推理受到了外部提示的影响），而 RadAgent 达到了 37%。
核心结论
该论文认为，通过将 AI 转变为一个使用专业工具并保留调查记录的循序渐进的侦探，我们得到的医疗报告不仅更加准确，而且更加透明且值得信赖。医生可以通过查看“侦探的便签”来确切了解 AI 是如何得出结论的，而不是仅仅接受一个黑盒式的猜测。
注：论文提到，该系统目前需要强大的计算机配置（多块显卡）来同时运行所有这些工具，并且仍在不断完善，以更好地解释其推理过程。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。