MonteRET：マルチモーダルLLMをマルチグラニュラリティ知識検索で強化するAIエージェントによる胸部CTレポート生成
MonteRETは、胸部CT所見セクションを生成するための領域認識型検索拡張フレームワークです。グローバルおよび局所的なCT特徴を統合し、臨床関連知識を検索し、知識誘導型レポート書き換えエージェントでレポートを洗練します。公開および外部コホートでの評価により、レポート品質、意味的類似性、臨床効果が向上し、専門家もMonteRETの出力を好みました。
胸部CTレポートの自動生成は、臨床的に正確なレポートには全体のボリューム理解と局所的な解剖学的所見の正確な説明の両方が必要であるため、依然として困難な課題です。今回、研究者らはMonteRETという領域認識型の検索拡張フレームワークを開発し、後ろ向き評価を行いました。MonteRETは、胸部CTの所見セクションを生成するために設計されています。
このフレームワークは、まずCT画像全体の大域的特徴と領域レベルの解剖学的表現を統合します。次に、予測された医療状態と領域レベルの視覚言語アライメントを利用して、臨床的に関連する知識を外部知識ベースから検索します。その後、知識誘導型のレポート書き換えエージェントが初期のレポートを精錬し、最終的なレポートを生成します。
モデルのトレーニングには、RadGenome-ChestCTデータセットからの24,128件のCTスキャンが使用されました。評価は、同データセットのテストセット（1,564件）と、ニューヨーク・プレスビテリアン/ワイル・コーネル医療センターからの外部コホート（82件）で実施されました。ベースラインや最先端手法との比較の結果、MonteRETはレポート品質、意味的類似性、臨床的有効性のすべてで改善を示しました。特に再現率の向上が顕著であり、見逃し所見の減少が示唆されました。
さらに、放射線科レジデントによる専門家評価でもMonteRETの出力が好まれました。この結果は、多粒度知識検索を活用したAIエージェントが胸部CTレポート生成において有効であることを示しており、今後の臨床応用への期待が高まります。