MARCH：模拟临床专家等级制度，突破 3D CT 报告生成的“幻觉”瓶颈

TL;DR

在放射科，一份准确的报告通常需要经过住院医、专科医和主治医的多重审核。今日介绍的论文提出了一种名为 MARCH (Multi-Agent Radiology Clinical Hierarchy) 的新框架。它不再让 AI 孤军奋战，而是让多个 Agent 模拟真实的“临床会诊”流程，通过多轮博弈与共识达成，显著降低了 AI 在解读 3D CT 影像时的“一本正经胡说八道”现象，临床指标提升近 60%。

痛点深挖：为什么单体 AI 做不好 3D 影像报告？

目前的 Vision-Language Models (VLMs) 尽管在 2D 图像上表现出色，但在面对 3D 容积数据（如胸部 CT）时，面临着极大的挑战：

1. 特征稀疏性：在成百上千张切片中，微小的病灶可能只在几层中出现，传统的“黑盒”模型容易漏诊。
2. 缺乏校验机制：单体模型生成报告是“一锤子买卖”，没有医生之间那种“你觉得这是结节还是伪影”的反复推敲过程。
3. 临床幻觉：模型常会产生看似专业但缺乏实际影像证据支撑的描述。

架构解析：Resident-Fellow-Attending 的“会诊中心”

MARCH 的核心创新在于它不只是一个算法，而是一套数字化的放射科科室架构。

第一阶段：初稿生成（Resident Agent）

类似于刚入行的住院医，Resident Agent 利用预训练的 ViT3D 编码器和多区域分割模块，对 10 个解剖区域（如肺、心、骨骼）进行初步扫描，生成一份详尽但可能存在瑕疵的初稿。

第二阶段：检索增强修订（Fellow Agent）

Fellow Agent 扮演更有阅历的医生。它通过三种检索手段（图像相似度、文本相似度、病理逻辑概率）从临床数据库中调取出类似的成功案例，并以此为根据对 Resident 的初稿进行纠偏差错。

第三阶段：共识最终化（Attending Agent）

这是 MARCH 最具特色的部分。Attending Agent（主治医） 并不直接写报告，而是主持“会诊”。它收集所有 Fellow 的修改意见，发现矛盾点。各 Agent 会针对争议点表达“同意”或“反对”，并给出置信度。只有当所有智能体达成稳定共识，报告才会最终定稿。

实验战绩：全方位的跨越

MARCH 在大规模数据集 RadGenome-ChestCT 上进行了验证。

• 临床有效性（CE-F1）：相比于之前的最优模型 Reg2RG (0.253)，MARCH 直接跳升至 0.399，在识别微小病变（如心包积液、肺结节）时表现出极高的敏感性。
• 语言质量：BLEU 和 METEOR 指标均领先，意味着生成的报告不仅诊断准，表达也更专业。
• 消融实验证明：移除“共识决策（Finalization）”环节后，模型性能出现最显著的下滑，验证了“集体智慧”的重要性。

深度洞察：医学 AI 的本质是“降低不确定性”

MARCH 的成功不仅是工程上的胜利，更是对医疗 AI 的深层反思：

• Inductive Bias 的引入：通过将人类社会的层级结构引入 Agent 交互，给大模型注入了强烈的临床逻辑偏置。
• 可解释性的提升：在会诊流程中，我们可以清晰地看到哪个 Agent 对哪个结论提出了异议，这让原本“黑盒”的生成过程变得有迹可循。

总结与未来展望

MARCH 为高风险领域的 AI 应用指明了方向：与其追求更大的参数量，不如追求更合理的角色分工。

局限性：目前 MARCH 主要依赖闭源大模型（GPT-4 系列），推理成本较高。未来，如何使用高性能的开源医疗领域大模型（如 Med-Llama）替代关键岗位，并引入“人机耦合（Human-in-the-loop）”机制，将是该技术从实验室走向临床的关键。

Takeaway: 医疗 AI 的下一个阶段，或许不再是开发一个完美的“神医”模型，而是组建一支能够互相校验、达成共识的“数字医疗团队”。