放射科智能体只拿到已获批工具：按临床指征规划仅找回29%的可操作发现
核心概要
一个放射科智能体框架把大语言模型编排器与模块化工具接口分开，用FDA已获批放射科AI设备整理出的1,989个发现类别作为工具目录，在PARROT虚构报告语料上模拟生成结构化报告。仅凭临床指征规划时，已获批目录下的可操作发现召回率为0.290，工具无限目录为0.437；若让规划器直接读目标报告，两者分别升至0.426和0.740。工具输出均由参考报告模拟，因此比较隔离的是工具覆盖与编排，而非工具误差。
深度剖析
放射科报告生成被拆成两层来测：一层是工具目录里有没有对应发现类别，另一层是编排器会不会调用已有工具。 此前已发表的放射科智能体系统绑定单一模态或单一解剖部位，工具集固定；这里用同一套编排器在已获批目录与工具无限目录之间切换。 在1,059份可解析输出的PARROT报告上，仅给临床指征时，已获批目录的可操作发现召回率为0.290，工具无限目录为0.437。
编排器是一条分阶段的流水线，而不是一次大模型调用：上下文加载、规划、分组、逐轨执行、合并、撰写与复核依次衔接。 规划器把临床指征和检索到的RadReport模板转成有序分析步骤，每步附带覆盖清单，列出报告必须覆盖的解剖区域与观察类别。 分组器把同病灶或同序列的步骤放进一条顺序轨道，独立序列并行，每条轨道跑一个ReAct循环，即模型在推理与调用工具之间交替、每次结果喂给下一次决策。
漏掉的发现被逐条归因，多数不是编排失误而是目录缺口。 在仅给临床指征的已获批目录模式下，9,675条漏报或报错的发现中，61.8%是研究模态下没有任何已获批类别覆盖，31.9%是工具已提供却未被调用。 按模态看，CT的目录缺口与编排缺口分别为59%和35%，MR为68%和27%，X线为54%和38%，超声为64%和24%。
启示与展望
评测在PARROT的1,059份英文虚构报告上进行，覆盖CT、MRI、X线和超声，工具调用全部由参考报告模拟，因此结论针对工具覆盖与编排，而非真实检测器表现。
作者指出PARROT报告为虚构，不能替代真实临床情境；留出集只有100份报告，足以判断效应方向但不足以给各截断点排序；目录是截至2026年3月的FDA快照，主编排器只用一个模型，绝对数值会随模型变化。