Agentic Systems in Radiology: Design, Applications, Evaluation, and Challenges
Created by
Haebom
저자
Christian Bluethgen, Dave Van Veen, Daniel Truhn, Jakob Nikolas Kather, Michael Moor, Malgorzata Polacin, Akshay Chaudhari, Thomas Frauenfelder, Curtis P. Langlotz, Michael Krauthammer, Farhad Nooralahzadeh
개요
AI 연구의 초점은 자율성을 갖춘 에이전트를 구축하는 것이었고, 대규모 언어 모델(LLM)의 등장으로 실현 가능성이 높아졌다. 특히, 방사선학은 다양한 정보와 워크플로우를 포함하여 LLM 기반 에이전트의 활용에 적합하다. LLM은 정보 추출 및 보고서 요약과 같은 개별 작업에서 좋은 성능을 보였지만, 여러 정보 소스에서 얻은 컨텍스트에 따라 결정이 달라지는 복잡한 다단계 워크플로우를 지원하는 잠재력을 완전히 활용하지 못하고 있다. 외부 도구 및 피드백 메커니즘을 갖춘 LLM은 반자동 워크플로우에서 복잡한 프로세스를 관리할 수 있는 적응형 에이전트에 이르기까지 다양한 자율성을 가진 시스템을 구동할 수 있다. 본 리뷰는 이러한 LLM 기반 에이전트 시스템의 설계를 검토하고, 주요 응용 프로그램을 강조하며, 계획 및 도구 사용에 대한 평가 방법을 논의하고, 오류 캐스케이드, 도구 사용 효율성 및 의료 정보 기술(IT) 통합과 같은 과제를 제시한다.