論文の概要: MARCH: Multi-Agent Radiology Clinical Hierarchy for CT Report Generation

• arxiv url: http://arxiv.org/abs/2604.16175v1
• Date: Fri, 17 Apr 2026 15:42:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-20 22:00:19.985058
• Title: MARCH: Multi-Agent Radiology Clinical Hierarchy for CT Report Generation
• Title（参考訳）: MARCH : CT診断のためのマルチエージェント放射線治療の階層化
• Authors: Yi Lin, Yihao Ding, Yonghui Wu, Yifan Peng,
• Abstract要約: 自動3Dラジオロジーレポート生成は、しばしば臨床幻覚と、人間の実践で見られる反復的検証の欠如に悩まされる。 我々は,放射線学部門の専門的階層をエミュレートするマルチエージェントフレームワークであるMARCHを提案し,個別のエージェントに専門的な役割を割り当てる。 RadGenome-ChestCTデータセットでは、MARCHは臨床の忠実度と言語学的精度の両方において最先端のベースラインを著しく上回っている。
• 参考スコア（独自算出の注目度）: 20.858060411945438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• 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.
• Abstract（参考訳）: 自動3Dラジオロジーレポート生成は、しばしば臨床幻覚と、人間の実践で見られる反復的検証の欠如に悩まされる。 近年のVLM(Vision-Language Models)は分野を進歩させているが、一般的には臨床ワークフローの協調的な監視機能を持たないモノリシックな「ブラックボックス」システムとして機能している。 MARCH(Multi-Agent Radiology Clinical Hierarchy)は,放射線科の専門的階層をエミュレートし,専門的な役割を個別のエージェントに割り当てるマルチエージェントフレームワークである。 MARCHは、マルチスケールCT特徴抽出による初期ドラフト作成にレジデントエージェント、検索強化リビジョンのための複数のフェローエージェント、診断の相違を解決するために反復的なスタンスベースのコンセンサス談話を編成するアテンディングエージェントを使用する。 RadGenome-ChestCTデータセットでは、MARCHは臨床の忠実度と言語学的精度の両方において最先端のベースラインを著しく上回っている。 我々の研究は、人間のような組織構造をモデル化することで、高度な医療領域におけるAIの信頼性が向上することを示した。

関連論文リスト

• ClinicalAgents: Multi-Agent Orchestration for Clinical Decision Making with Dual-Memory [17.805771452487612]
  専門医の認知ワークフローをシミュレートする新しいマルチエージェントフレームワークであるCrysicalAgentsを紹介する。 厳密なシーケンシャルチェーンとは異なり、CricerAgentsはモンテカルロ木探索(MCTS)プロセスとしてモデル化された動的オーケストレーション機構を採用している。 これにより、Orchestratorは仮説を反復的に生成し、証拠を積極的に検証し、重要な情報が欠落した時にバックトラッキングをトリガーすることができる。
  論文  参考訳（メタデータ） (2026-03-27T08:52:19Z)
• MedCoRAG: Interpretable Hepatology Diagnosis via Hybrid Evidence Retrieval and Multispecialty Consensus [24.19892707167392]
  臨床診断のための既存のAIアプローチは、透明性、構造化推論、デプロイ性に欠けることが多い。 標準化された異常所見から診断仮説を生成するエンド・ツー・エンドのフレームワークであるMedCoRAGを提案する。 その後、UMLS知識グラフパスと臨床ガイドラインを共同で検索し、解析することで、患者固有のエビデンスパッケージを構築する。
  論文  参考訳（メタデータ） (2026-03-05T12:58:45Z)
• MedRoute: RL-Based Dynamic Specialist Routing in Multi-Agent Medical Diagnosis [49.78267008828593]
  臨床実践では、複数の専門医が診断を行い、それぞれが専門分野に特化している。 この新興分野の現在のアプローチは、通常、様々な専門家の静的または事前定義された選択に依存しており、現実的なシナリオの変化に適応できない。 LMMエージェントの協調システムからなる柔軟で動的なマルチエージェントフレームワークであるMedRouteを提案する。
  論文  参考訳（メタデータ） (2026-02-05T19:50:04Z)
• MMedExpert-R1: Strengthening Multimodal Medical Reasoning via Domain-Specific Adaptation and Clinical Guideline Reinforcement [63.82954136824963]
  医療ビジョンランゲージモデルでは、現実世界のシナリオで必要とされる複雑な臨床推論を伴う知覚タスクが優れている。 本稿ではドメイン固有の適応とガイドライン強化を通じてこれらの課題に対処する新しい推論MedVLMを提案する。
  論文  参考訳（メタデータ） (2026-01-16T02:32:07Z)
• Multi-Agent Intelligence for Multidisciplinary Decision-Making in Gastrointestinal Oncology [13.663415863327996]
  ヒト多部門チーム(MDT)の協調ワークフローをエミュレートした階層型マルチエージェントフレームワークを提案する。 このシステムは4.60/5.00の総合評価スコアを獲得し、モノリシック基線よりも大幅に改善された。 この結果は,腫瘍学における自動意思決定支援のための,緩和的,エージェントベースの協調作業が,スケーラブルで解釈可能,かつ,臨床的に堅牢なパラダイムを提供することを示している。
  論文  参考訳（メタデータ） (2025-12-09T14:56:40Z)
• CXRAgent: Director-Orchestrated Multi-Stage Reasoning for Chest X-Ray Interpretation [62.0150409256153]
  我々は、CXR解釈のためのディレクター調整型多段階エージェントであるCXRAgentを提案する。 エージェントは、Evidence-driven Validatorによって正規化され検証された出力を持つ一連のCXR分析ツールを戦略的にオーケストレーションする。 様々なCXR解釈タスクの実験は、CXRAgentが強いパフォーマンスを示し、視覚的証拠を提供し、異なる複雑さの臨床的タスクにうまく一般化していることを示している。
  論文  参考訳（メタデータ） (2025-10-24T10:31:30Z)
• RAD: Towards Trustworthy Retrieval-Augmented Multi-modal Clinical Diagnosis [56.373297358647655]
  Retrieval-Augmented Diagnosis (RAD)は、下流タスクで直接マルチモーダルモデルに外部知識を注入する新しいフレームワークである。 RADは、複数の医療ソースからの疾患中心の知識の検索と改善、ガイドライン強化コントラスト損失トランスフォーマー、デュアルデコーダの3つの主要なメカニズムで機能する。
  論文  参考訳（メタデータ） (2025-09-24T10:36:14Z)
• Automated Clinical Problem Detection from SOAP Notes using a Collaborative Multi-Agent LLM Architecture [8.072932739333309]
  我々は,このギャップに対処するために,臨床相談チームをモデル化する共同マルチエージェントシステム(MAS)を導入する。 このシステムは、SOAPノートの主観的(S)および目的的(O)セクションのみを分析することによって、臨床上の問題を特定する。 マネージャエージェントは、階層的で反復的な議論に従事し、合意に達するために、動的に割り当てられた専門家エージェントのチームを編成する。
  論文  参考訳（メタデータ） (2025-08-29T17:31:24Z)
• A Multimodal Multi-Agent Framework for Radiology Report Generation [2.1477122604204433]
  放射線診断レポート生成(RRG)は、医療画像から診断レポートを自動生成することを目的としている。 本稿では,段階的臨床推論ワークフローに適合するRRG用マルチモーダルマルチエージェントフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-05-14T20:28:04Z)
• TAMA: A Human-AI Collaborative Thematic Analysis Framework Using Multi-Agent LLMs for Clinical Interviews [54.35097932763878]
  Thematic Analysis (TA) は、構造化されていないテキストデータの潜在意味を明らかにするために広く使われている定性的手法である。 本稿では,多エージェントLEMを用いた人間とAIの協調的テーマ分析フレームワークTAMAを提案する。 TAMA は既存の LLM 支援TA アプローチよりも優れており,高い主題的ヒット率,カバレッジ,独特性を実現している。
  論文  参考訳（メタデータ） (2025-03-26T15:58:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。