MARCH: 人工放射線科医の臨床階層構造を活用した CT レポート生成システム

arXiv:2604.16175v1 Announce Type: cross 要約：自動 3D 放射線診断レポート生成システムには、臨床的な「幻覚（事実と異なる情報を含む）」や、人間の診療における反復検証プロセスの欠如などの課題が存在します。最近の視覚言語モデル（VLMs）は該分野を進歩させましたが、それらは通常、臨床ワークフローに特徴的な協調的な監督を持たない単一の「黒箱」システムとして動作します。これらの課題に対処するため、私たちは放射線科の専門職の階層構造を模倣し、異なったエージェントに専門的な役割を割り当てる多エージェントフレームワークである「MARCH（Multi-Agent Radiology Clinical Hierarchy）」を提案します。MARCH は、多尺度 CT 特徴抽出を使用した最初の草案作成を担当するレジデントエージェント、レトリバル・Augmented リビジョンを担当する複数人のフェローエージェント、そして診断上の不一致を解決するために反復的な立場に基づく合意議論を指揮するアテンディングエージェントを用いて動作します。RadGenome-ChestCT データセットを用いた評価において、MARCH は最先端の基準システムよりも臨床的忠実度および言語的正確度の両方で大幅に優れています。当研究は、人間のような組織構造をモデル化することは、高リスクな医療分野における AI の信頼性を高めることを示しています。

arXiv:2604.16175v1 Announce Type: cross Abstract: Automated 3D radiology report generation often suffers from clinical hallucinations and a lack of the iterative verification found in human practice. While recent Vision-Language Models (VLMs) have advanced the field, they typically operate as monolithic "black-box" systems without the collaborative oversight characteristic of clinical workflows. To address these challenges, we propose MARCH (Multi-Agent Radiology Clinical Hierarchy), a multi-agent framework that emulates the professional hierarchy of radiology departments and assigns specialized roles to distinct agents. MARCH utilizes a Resident Agent for initial drafting with multi-scale CT feature extraction, multiple Fellow Agents for retrieval-augmented revision, and an Attending Agent that orchestrates an iterative, stance-based consensus discourse to resolve diagnostic discrepancies. On the RadGenome-ChestCT dataset, MARCH significantly outperforms state-of-the-art baselines in both clinical fidelity and linguistic accuracy. Our work demonstrates that modeling human-like organizational structures enhances the reliability of AI in high-stakes medical domains.