摘要
视觉语言模型虽推动了复杂医学影像解读的发展，但现有方法缺乏可解释的推理痕迹，使临床医生沦为被动观察者。为此，本文提出 RadAgent，一种通过逐步且可解释过程生成 CT 报告的工具使用型 AI 代理。该代理提供完整的中间决策与工具交互痕迹，供医生审查验证。实验表明，RadAgent 在临床准确性、对抗条件下的鲁棒性及事实一致性上均显著优于基线模型，通过显式的工具增强迭代推理轨迹，推动了放射学中透明可靠 AI 的发展。
AI 推荐理由
论文核心在于构建可解释的逐步推理轨迹，通过工具增强迭代推理提升医疗报告生成的准确性与可信度。
研究机构
Department of Biosystems Science and Engineering, ETH Zurich, Basel, Switzerland
ETH AI Center, Zurich, Switzerland
Department of Computer Science, ETH Zurich, Zurich, Switzerland
Faculty of Computer Science and Mathematics, Heidelberg University, Germany
论文信息