智能体系统能否弥合放射学鸿沟？FDA已批准工具实测

放射学AI长期沿两条路径发展：专用模型在窄任务上表现优异但覆盖的临床发现有限；通用模型能处理更广泛的任务，却容易产生幻觉和测量不准确。将两者通过智能体系统结合，有望实现全面的放射学报告，但已发表的系统大多局限于单一模态或身体部位。近期一项研究描述了一个放射学智能体框架，标准化了编排器如何调用模块化工具来生成结构化报告，并利用FDA批准的放射学AI设备工具，测量此类系统的实际能力。

两条路径的困境与智能体系统的机遇

专用模型在特定任务上准确率高，但每个模型只覆盖少数临床发现，难以拼凑出完整报告。通用模型虽能处理多种任务，却常出现幻觉和测量偏差，尤其在需要精确数值时。智能体系统通过编排器调用多个专用工具，理论上能兼顾广度与准确性。然而，现有已发表的智能体系统往往只针对一种模态或一个身体部位，缺乏通用性。这项研究提出的框架试图打破这一局限，用标准化接口连接编排器与模块化工具，从而生成结构化报告。

智能体系统（Agent System） 指由一个大模型或规则引擎作为“编排器”（orchestrator），根据任务目标动态调用外部工具、模块或子模型来完成复杂任务的软件架构。与端到端单一模型不同，智能体系统把“推理与规划”和“具体执行”分离：编排器负责决定调用哪些工具、以何顺序调用，工具则负责在窄领域内给出高精度输出。在放射学场景中，这意味着编排器可以按需组合测量结节、检测出血、分割器官等专用模型，从而在保持各工具准确性的同时覆盖更广的临床发现。其核心挑战在于编排策略的可靠性——工具齐全但调用不当仍会遗漏发现，这正是文中模拟实验试图量化的约束。

模拟实验：工具可用性与编排策略的分离

研究团队在一个大型多模态报告语料库上模拟报告生成过程。编排器接收两种工具目录：一种是从FDA批准设备中整合的发现类别目录，每个类别仅在其获批的模态上可用；另一种是无限制目录，可请求任何类别。规划起点也有两种：基于临床指征或基于目标报告。工具输出从参考报告模拟而来，从而将工具可用性与编排错误分离开来。

关键发现：恢复率与缺失原因

在获批目录且仅凭临床指征的情况下，编排器仅能恢复不到三分之一的临床可操作发现。当使用无限制目录时，恢复率显著提升；若进一步从目标报告出发制定计划，恢复率继续提高。对每个遗漏发现进行归因分析显示，大多数遗漏属于没有获批设备覆盖该研究模态的类别，另有三分之一是已提供但未被调用的类别或工具。在留出报告上，添加最常缺失的工具能弥合大部分与无限制目录的差距，而使用无限制目录的较小编排器则丧失了全部增益。这表明工具可用性和有效编排是全面AI辅助放射学报告的两个互补约束。

FDA批准的放射学AI设备工具指已通过美国食品药品监督管理局（FDA）510(k)或De Novo等上市前审查的放射学AI软件。这类设备通常被批准用于特定模态（如CT、乳腺X线）和特定临床发现（如肺结节、颅内出血），其预期用途在批准文件中被严格限定。因此，它们构成一个“受限工具目录”：每个工具只能在其获批的模态和任务上被合法调用，跨模态或超范围使用不被允许。这解释了实验中为何许多发现无法被覆盖——并非技术不可行，而是缺乏对应获批设备。该设定使模拟更贴近真实临床部署的监管约束，也凸显了扩大获批工具覆盖范围的现实意义。

恢复率（recovery rate） 是本文用于衡量智能体系统全面性的核心指标，定义为编排器生成的报告中成功包含的“临床可操作发现”数量占目标报告中全部可操作发现的比例。它不同于传统的敏感度或准确率，因为它同时惩罚两类失败：工具目录中根本没有对应工具（可用性缺口），以及工具有但未被编排器调用（编排缺口）。通过将遗漏发现逐一归因到这两类原因，研究得以分离“工具不足”与“编排不当”的贡献。这一指标设计使结论更具可操作性：若恢复率低主要源于可用性缺口，则应优先扩充工具库；若源于编排缺口，则应优化编排器。

对放射学AI落地的启示

该研究揭示了当前FDA批准设备在覆盖范围上的不足：许多临床可操作发现缺乏对应工具，尤其是在特定模态上。同时，编排器的能力也至关重要——即使工具齐全，若编排不当仍会遗漏大量发现。因此，提升放射学AI的全面性需要双管齐下：扩大获批工具的覆盖范围，并优化编排策略。对于希望部署智能体系统的机构，应优先评估工具目录的完整性，并针对编排器进行调优，而非单纯堆叠模型。

局限与未来方向

该研究基于模拟工具输出，未考虑真实工具的错误传播，实际部署中工具误差可能进一步降低恢复率。此外，语料库虽多模态，但未涵盖所有临床场景。未来工作可探索如何动态扩展工具库，以及如何设计更鲁棒的编排器来应对工具缺失或错误。尽管如此，该框架为系统评估放射学智能体提供了可复现的基准，并明确指出工具可用性与编排是当前的主要瓶颈。