放射線画像解析AIは、狭い分野で優れた専門モデルと、幅広いタスクを扱う汎用モデルの二つの進化路に分かれています。その両者を組み合わせるエージェント型システムが、報告書の網羅性を高める可能性があります。

研究者らは、レポート生成を制御する「オーケストレータ」を中心とした三層構造のフレームワークを構築しました。第一層は利用可能なリソース、第二層は七つのカテゴリにまとめられた22のツール関数、第三層は計画・ツール呼び出し・報告書作成を担うオーケストレータです。ツールが利用できない場合、オーケストレータはステップをスキップまたはフラグ付けします。

性能評価は、実際にツールが実行する代わりに参照報告書から出力をシミュレートし、ツールの可用性とオーケストレーションのみを切り分けて行いました。評価対象は1,059件のPARROT報告書で、ツールカタログはFDA承認済みデバイスの1,989クラス（制限付き）と無制限クラスの二種類を用い、計画情報は臨床適応（現実的）と報告書全体（オラクル）を対照しました。

結果はRadMatchという指標で示され、行動可能な発見の再現率（アクショナルリコール）として報告されます。制限付きカタログと臨床適応計画では0.290、同条件でオラクル計画を用いると0.426へ上昇します。無制限カタログでは0.437、オラクルでは0.740に達します。オラクルが示す上限0.740は、ツール呼び出しとして表現できないタスクが残るための残差上限であると解釈されます。

頻繁に欠落しているツールを追加することで再現率は向上します。10件以上の報告書で欠損していた24個のツールを追加すると0.434へ、5件以上の欠損ツールが99個に増えると0.519へ、さらに2件以上の欠損ツールが402個になると0.534へと上がります。これにより無制限カタログとの差の80％を埋めることが可能ですが、追加呼び出しのうち正例となるものは少なく、効果は限られます。

欠落発見の詳細分析では、61.8％がカタログギャップ（該当モダリティにクラスがない）、18.3％がオーケストレーションギャップ（クラスを持つツールが呼び出されていない）、13.6％はツールが存在するが呼び出されていないケースでした。残り6.1％は新しい種類のツールが必要、0.2％は画像ツールで検出できないという割合でした。

PARROT報告書は架空のデータであり、ツール出力は参照報告書からシミュレートされたものであるため、実際のツールエラーや臨床変動は反映されていません。したがって、結果は理想的な条件下での性能限界を示すものに過ぎませんが、現在利用可能なFDA承認済みツールを組み合わせた場合の報告書生成能力を測定した初歩的評価と言えます。