MARCH：用于CT报告生成的多智能体放射科临床层级

自动化3D放射学报告生成常受困于临床幻觉，且缺乏人类实践中常见的迭代式核查。尽管近期的视觉-语言模型（VLM）推动了该领域发展，但它们通常以单体"黑箱"系统运行，缺少临床工作流程特有的协同监督。为应对这些挑战，我们提出MARCH（Multi-Agent Radiology Clinical Hierarchy），一个模拟放射科专业层级并为不同智能体分配专门角色的多智能体框架。MARCH使用Resident Agent基于多尺度CT特征提取进行初稿撰写，多个Fellow Agent进行检索增强修订，Attending Agent则主持迭代式、基于立场的共识讨论以解决诊断分歧。在RadGenome-ChestCT数据集上，MARCH在临床忠实度和语言准确性上均显著超越最先进基线。我们的工作表明，对人类式组织结构建模能提升AI在高风险医疗领域的可靠性。