RadAgent：胸部CTを段階的に解釈するAIツール、マクロF1スコアを相対36%向上

RadAgentとは何ですか？

RadAgentは、arXivの新論文で発表された胸部CT（Computed Tomography、コンピュータ断層撮影）画像の放射線解釈に特化したAIエージェントです。チューリッヒ、スタンフォード、NYU大学出身の13名の研究者チームが構築したこのシステムは、透明なステップバイステップのプロセスでビジョン言語モデル（VLM）と専用ツールを使用して、構造化された放射線レポートを生成します。

モノリシックなVLMアプローチとは異なり、RadAgentはツール呼び出しエージェントとして機能します——セグメンテーション、病変検出、測定、医療基準へのマッピングを行い、その過程で放射線科医が後から確認・修正できる明示的な意思決定トレースを維持します。

ベースラインモデルと比べて実際にどれほど優れていますか？

数値は顕著です。ベースラインのCT-Chatモデルと比較して、RadAgentは以下を達成します：

• マクロF1： 絶対6.0ポイント向上（相対36.4%）
• マイクロF1： 絶対5.4ポイント向上（相対19.6%）
• 敵対的ロバスト性： 24.7ポイント向上（相対41.9%）
• Faithfulnessスコア： 37.0%（ベースライン0%）

Faithfulnessスコアは、生成されたレポートが画像上の可視所見をどの程度忠実に反映しているかを測定します——ベースラインモデルは本質的に所見とレポート間に追跡可能なつながりがなく、RadAgentは全主張の3分の1以上が画像上の具体的な検出に遡れるレベルに達しています。

なぜ臨床実践にとって重要なのですか？

放射線解釈は、医療AIの応用において最も有望であると同時に最もデリケートな分野の一つです。ブラックボックスモデル——説明なしにレポートを提供するもの——はこれまで規制承認の主な障壁でした。放射線科医がAIが実際に何に依拠したかを検証できないためです。

RadAgentが生成する意思決定トレースはこのダイナミクスを変えます：放射線科医はステップバイステップのログを開き、ツールが検出した病変、測定した病変、分類方法を確認できます。改善されたF1スコアと敵対的攻撃への耐性を組み合わせることで、以前の世代よりも臨床導入の成熟した候補となるアーキテクチャが得られます。

次のステップは何ですか？

著者はコードの公開リリース日を言及していませんが、論文はarXivにプレプリントとして公開されています。多機関の共著と業界ベンチマークを超えた指標を考えると、RadAgentは医療AIのメインジャーナルでの査読付き出版の有力候補であり、ステップバイステップの放射線エージェントの新基準を設定する可能性があります。