論文の概要: Multi-Agent AI System for Radiology Report Structuring and Quality Assurance with Independent Radiologist Evaluation
- arxiv url: http://arxiv.org/abs/2608.18072v1
- Date: Tue, 18 Aug 2026 17:57:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.438129
- Title: Multi-Agent AI System for Radiology Report Structuring and Quality Assurance with Independent Radiologist Evaluation
- Title（参考訳）: ラジオロジーレポートの構造化と品質保証のためのマルチエージェントAIシステム
- Abstract要約: この回顧調査では、2023年と2024年に15名の放射線技師がCT検査から638件の放射線検査を報告した。
レポート構造化と品質保証(QA)を行うためのマルチエージェントAIパイプラインが開発された。
このシステムは、ルールと局所的な大言語モデルを用いて、レポートを文レベルで標準化された解剖学的セクションに構造化した。
- 参考スコア（独自算出の注目度）: 0.15635627702544694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Purpose: To develop and evaluate a locally deployed multi-agent AI system for radiology report structuring and quality assurance. Materials and Methods: This retrospective study included 638 radiology reports from CT examinations of the chest, abdomen, and pelvis dictated by 15 board-certified radiologists in 2023 and 2024. A multi-agent AI pipeline was developed to perform report structuring and quality assurance (QA). The system structured the report into standardized anatomical sections at the sentence level using regex rules and local large language models. It also detected mismatches between the Findings and Impression sections, or within sections; gender-anatomy conflicts; and undocumented communication of critical findings. Two board-certified radiologists independently evaluated a 45-report subset. Results: The multi-agent system structured the Findings sections of all reports (22,270 sentences) into a predefined anatomical format while retaining the original report content. The system flagged 90 (14.1%) reports, most commonly for section mismatches (80 reports, 12.5%). In the radiologist evaluation, both reviewers agreed that 31 (69%) were correctly restructured, 2 reports (4%) were incorrectly restructured, and disagreed on the remaining 12 reports (27%). Both reviewers agreed that no clinically important information was omitted and no fabricated content was introduced. Overall QA performance was rated as "excellent" or "good" in 84% of the evaluated reports, with the remaining reports rated as "fair". Conclusion: A locally deployed multi-agent AI system combined radiology report structuring and quality assurance within a single workflow. The system demonstrated favorable performance in radiologist evaluation. Such systems may support standardization of reporting and quality assurance in radiology practice.
- Abstract（参考訳）: 目的: 放射線学レポートの構造化と品質保証のために, ローカルにデプロイされたマルチエージェントAIシステムの開発と評価を行う。
対象と方法:2023年と2024年に15名の放射線科医が胸部,腹部,骨盤のCT検査から638例の放射線検査を行った。
レポート構造化と品質保証(QA)を実行するためにマルチエージェントAIパイプラインが開発された。
このシステムは、レジェクス規則と局所的な大言語モデルを用いて、レポートを文レベルで標準化された解剖学的セクションに構造化した。
また、発見部と印象部のミスマッチ、性別と解剖学の対立、重要な発見の文書化されていないコミュニケーションも検出した。
2人の放射線科医が独立に45件の報告のサブセットを評価した。
結果: マルチエージェントシステムは,全レポート(22,270文)のFinderingsセクションを,元のレポート内容を保持しつつ,事前に定義された解剖学的形式に構造化した。
このシステムは90件(14.1%)のレポートをフラグ付けし、最も一般的なのはセクションミスマッチ(80件、12.5%)である。
放射線学評価では,31例(69%)が正しく再構成され,2例(4%)が誤って再構成され,残りの12例(27%)が不一致であった。
両レビュアーは、臨床的に重要な情報が省略されず、製造されたコンテンツも導入されなかったことに同意した。
全体のQA成績は、評価された報告の84%で「優れた」あるいは「良い」と評価され、残りの報告は「フェア」と評価された。
結論: ローカルにデプロイされたマルチエージェントAIシステムで、ラジオロジーレポートの構造化と品質保証をひとつのワークフロー内で組み合わせたものだ。
このシステムは放射線学評価において良好な性能を示した。
このようなシステムは、放射線学の実践における報告の標準化と品質保証を支援することができる。
関連論文リスト
- Auditable agentic AI for evidence-grounded thyroid ultrasound diagnosis and reporting [59.709162055944915]
ThyroidXAgentは、特殊な診断ツールをコーディネートし、その出力を監査可能なケースレベルの証拠記録として保存するエージェントAIシステムである。
NHC-MISD-TUSコホート内35施設8,721件を含む,重複しない28,458件の検査を行った。
セグメンテーションでは平均Diceスコアが87.21パーセント、良悪性分類では平均AUROCが0.9466だった。
論文 参考訳（メタデータ） (2026-08-12T21:02:59Z) - Toward Clinically Acceptable Chest X-ray Report Generation: A Qualitative Retrospective Pilot Study of CXRMate-2 [10.139968076056071]
State-of-the-art CXRMate-2は、構造的条件付けと強化学習を統合し、放射線学者の報告とセマンティックアライメントのための複合報酬を提供する。
CXRMate-2を放射線学報告と比較するため, 盲点, 質的評価を行った。
生成された報告は45%のレーティングで許容され(放射線学者の報告と同等に定義または評価されている)、統計的に有意な差は認められなかった。
これらの結果から,CXR RRGの信頼性が示唆された。
論文 参考訳（メタデータ） (2026-04-21T01:30:51Z) - Bridging the Skill Gap in Clinical CBCT Interpretation with CBCTRepD [23.45623345208001]
本稿では,バイリンガルおよび顎顔面CBCTレポート生成システムであるCBCTRepDについて紹介する。
大規模で高品質なCBCT-Reportデータセットを収集し,55の口腔疾患エンティティを多種多様な取得設定で比較検討した。
CBCTRepDは優れたレポート生成性能を達成し,中間放射線技師に匹敵する書字品質と規格化のドラフトを作成した。
論文 参考訳（メタデータ） (2026-03-11T16:18:07Z) - A DeepSeek-Powered AI System for Automated Chest Radiograph Interpretation in Clinical Practice [83.11942224668127]
Janus-Pro-CXR (1B) はDeepSeek Janus-Proモデルに基づく胸部X線解釈システムである。
本システムは, 自動レポート生成において, 最先端のX線レポート生成モデルより優れる。
論文 参考訳（メタデータ） (2025-12-23T13:26:13Z) - DEER: A Comprehensive and Reliable Benchmark for Deep-Research Expert Reports [49.217247659479476]
ディープリサーチシステムは、多段階の推論とエビデンスベースの合成を通じて専門家レベルのレポートを生成することができる。
既存のベンチマークは、エキスパートレポートの体系的な基準を欠いていることが多い。
専門家レベルのディープリサーチレポートを評価するためのベンチマークであるDEERを紹介する。
論文 参考訳（メタデータ） (2025-12-19T16:46:20Z) - Radiologist Copilot: An Agentic Assistant with Orchestrated Tools for Radiology Reporting with Quality Control [16.13457076922018]
我々は、品質管理を備えた自動放射線診断のためのオーケストレーションツールを備えたエージェントAIアシスタントであるRadioologist Copilotを提案する。
組織されたツールには、リージョンローカライゼーション、イメージパラダイム指向の領域分析計画、レポート生成のための戦略的テンプレート選択、品質評価、品質管理のためのフィードバック駆動適応改善などがある。
実験の結果、放射線科医のコパイロットは放射線学の報告において、他の最先端の手法をはるかに上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2025-12-02T14:25:05Z) - PARROT: An Open Multilingual Radiology Reports Dataset [29.462034288413097]
PARROTは、複数の言語にまたがる架空の放射線学レポートの大きな、多中心的でオープンアクセスデータセットである。
このデータセットは、21か国と13の言語にわたる76人の著者による2,658の放射線学レポートで構成されている。
論文 参考訳（メタデータ） (2025-07-25T07:54:24Z) - AutoRG-Brain: Grounded Report Generation for Brain MRI [57.22149878985624]
放射線学者は、大量の画像を日々のベースで解釈し、対応するレポートを生成する責任を負う。
この要求される作業負荷は、人間のエラーのリスクを高め、治療の遅れ、医療費の増加、収益損失、運用上の不効率につながる可能性がある。
地盤自動報告生成(AutoRG)に関する一連の研究を開始した。
このシステムは、脳の構造の明細化、異常の局所化、そしてよく組織化された発見の生成をサポートする。
論文 参考訳（メタデータ） (2024-07-23T17:50:00Z) - RaTEScore: A Metric for Radiology Report Generation [59.37561810438641]
本稿では,Radiological Report (Text) Evaluation (RaTEScore) として,新しい実体認識尺度を提案する。
RaTEScoreは、診断結果や解剖学的詳細などの重要な医療機関を強調し、複雑な医学的同義語に対して堅牢であり、否定表現に敏感である。
我々の評価は、RaTEScoreが既存の指標よりも人間の嗜好とより密接に一致していることを示し、確立された公開ベンチマークと、新たに提案したRaTE-Evalベンチマークの両方で検証した。
論文 参考訳（メタデータ） (2024-06-24T17:49:28Z) - Consensus, dissensus and synergy between clinicians and specialist
foundation models in radiology report generation [32.26270073540666]
世界中の放射線技師の不足は専門家のケアへのアクセスを制限し、重労働を課している。
視覚言語モデルを用いた自動レポート生成の最近の進歩は、状況を改善するための明確な可能性を示唆している。
我々は、胸部X線写真のための最新のレポート生成システム、textitFlamingo-CXRを構築し、放射線学データに基づくよく知られた視覚言語基盤モデルを微調整する。
論文 参考訳（メタデータ） (2023-11-30T05:38:34Z) - ChatRadio-Valuer: A Chat Large Language Model for Generalizable
Radiology Report Generation Based on Multi-institution and Multi-system Data [115.0747462486285]
ChatRadio-Valuerは、一般化可能な表現を学習する自動放射線学レポート生成のための調整されたモデルである。
本研究で利用した臨床データセットは,textbf332,673の顕著な総計を含む。
ChatRadio-Valuerは、最先端のモデル、特にChatGPT(GPT-3.5-Turbo)やGPT-4などより一貫して優れている。
論文 参考訳（メタデータ） (2023-10-08T17:23:17Z)
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。