胸部X光（CXR）在临床诊断中发挥着至关重要的作用，许多专用和基础模型已被开发用于自动化解读CXR。然而，这些模型往往难以适应新的诊断任务和复杂的推理场景。最近，基于大型语言模型（LLM）的代理模型作为CXR分析的新兴范式，通过工具协调、多步骤推理和团队协作增强了模型的能力。
现有代理通常依赖单一的诊断流程，缺乏评估工具可靠性的机制，限制了其适应性和可信度。为此，我们提出了CXRAgent，一个由导演协调的多阶段代理，用于CXR解读。其中心导演协调以下几个阶段：
-
工具调用：代理策略性地协调一组CXR分析工具，输出结果经过证据驱动验证器（EDV）标准化和验证，该验证器通过视觉证据支持可靠的下游诊断。
-
诊断规划：在任务要求和中间发现的指导下，代理制定针对性的诊断计划，并相应组建专家团队，定义成员角色并协调其互动，以实现自适应和协作推理。
-
协作决策：代理将专家团队的见解与累计的上下文记忆整合，综合形成基于证据的诊断结论。
在多项CXR解读任务上的实验表明，CXRAgent表现优异，提供了视觉证据，并能够很好地推广到不同复杂度的临床任务。代码和数据可在此链接获取。
博主点评： CXRAgent通过多阶段协作推理，显著提升了胸部X光的解读能力，其创新的工具调用和验证机制为临床应用提供了更高的可靠性与适应性，标志着医疗影像分析领域的又一技术进步。