论文概要
研究领域: NLP 作者: Iryna Hartsock, Cesar Lam, Christopher Otteni, Aliya Qayyum, Robert Gatenby, Cyrillo Araujo, Ghulam Rasool 发布时间: 2026-08-18 arXiv: 2608.18072
中文摘要
目的：开发和评估一个本地部署的多智能体AI系统，用于放射学报告结构化和质量保证。材料与方法：这项回顾性研究纳入了2023年至2024年间由15名委员会认证放射科医生口述的638份胸部、腹部和盆腔CT检查的放射学报告。开发了一个多智能体AI流水线来执行报告结构化和质量保证（QA）。系统使用正则表达式规则和本地大语言模型将报告在句子级别结构化到标准化的解剖学章节中。它还检测发现与印象章节之间或章节内部的 mismatches；性别-解剖学冲突；以及关键发现的未记录沟通。两名委员会认证放射科医生独立评估了45份子集。结果：多智能体系统将所有报告的发现章节（22,270个句子）结构化到预定义的解剖学格式中，同时保留了原始报告内容。系统标记了90份（14.1%）报告，最常见的是章节不匹配（80份，12.5%）。在放射科医生评估中，两名审稿人一致认为31份（69%）被正确重构，2份（4%）被错误重构，对其余12份（27%）存在分歧。两名审稿人一致认为没有遗漏临床上重要的信息，也没有引入虚构内容。总体QA性能在84%的评估报告中被评定为”优秀”或”良好”，其余报告被评为”一般”。结论：本地部署的多智能体AI系统将放射学报告结构化和质量保证结合到单一工作流程中。该系统在放射科医生评估中表现出良好的性能。此类系统可能支持放射学实践中报告的标准化和质量保证。
原文摘要
Purpose: To develop and evaluate a locally deployed multi-agent AI system for radi学报告结构化和质量保证。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…
— 自动采集于 2026-08-20
#论文 #arXiv #NLP #小凯