[論文レビュー] CT-Flow: Orchestrating CT Interpretation Workflow with Model Context Protocol Servers
CT-FlowはModel Context Protocol (MCP)サーバーを活用してツール使用を介した3D CT解釈を指向的・反復的な推論へと転換するエージェント的フレームワークを提示する。3D CTベンチマークと新しいCT-FlowBench軌跡ベースのベンチマークで最先端の結果を達成する。
Recent advances in Large Vision-Language Models (LVLMs) have shown strong potential for multi-modal radiological reasoning, particularly in tasks like diagnostic visual question answering (VQA) and radiology report generation. However, most existing approaches for 3D CT analysis largely rely on static, single-pass inference. In practice, clinical interpretation is a dynamic, tool-mediated workflow where radiologists iteratively review slices and use measurement, radiomics, and segmentation tools to refine findings. To bridge this gap, we propose CT-Flow, an agentic framework designed for interoperable volumetric interpretation. By leveraging the Model Context Protocol (MCP), CT-Flow shifts from closed-box inference to an open, tool-aware paradigm. We curate CT-FlowBench, the first large-scale instruction-tuning benchmark tailored for 3D CT tool-use and multi-step reasoning. Built upon this, CT-Flow functions as a clinical orchestrator capable of decomposing complex natural language queries into automated tool-use sequences. Experimental evaluations on CT-FlowBench and standard 3D VQA datasets demonstrate that CT-Flow achieves state-of-the-art performance, surpassing baseline models by 41% in diagnostic accuracy and achieving a 95% success rate in autonomous tool invocation. This work provides a scalable foundation for integrating autonomous, agentic intelligence into real-world clinical radiology.
研究の動機と目的
- 現実世界のツール介在型CT解釈ワークフローを反映する放射線科AIを動機づける。
- 3D CT分析を受動的符号化から積極的・エージェント的プロービングへ MCP を介して転換する。
- CTタスクのツール使用軌跡を評価する標準化ベンチマーク（CT-FlowBench）を提供する。
- エージェント的でツール介在型の推論が診断精度と透明性を改善することを示す。
提案手法
- MCPを用いてデータ取り込み、グローバルナビゲーション、詳細観察、高度分析という4つのツール群から標準化されたツール空間を定義する。
- ReActに触発されたループに従い、s_t, a_t, o_tを用いた反復的Reasoning-Acting Trajectoriesとして診断タスクを定式化する。
- CT-FlowBenchをCT-RATEデータから構築し、実行可能な推論軌跡と真の診断を捉える。
- CT-FlowBenchおよび標準的な3D CT VQAデータセットで監視付きファインチューニング（SFT）を用いてエージェントを訓練・評価する。
- ツール使用の利点と一般化を評価するため、先端LLMおよび専門の医療VLMとベンチマークを比較する。
実験結果
リサーチクエスチョン
- RQ1エージェント的CT解釈フレームワークは静的なスライスベースやエンドツーエンドのLVLMアプローチより高い診断精度を達成できるか。
- RQ2MCP支援ツール使用は3D CTタスクにおいて信頼できる多段推論と自動ツール起動を可能にするか。
- RQ3ドメイン特化のファインチューニング（SFT）がツール介在型CT推論性能に与える影響は。
- RQ4CT-Flowのツールオーケストレーションは標準の3D CT VQAベンチマークとCT-FlowBenchの軌跡でベースラインとどう比較されるか。
主な発見
| Model | Tool-use | 3D-RAD Acc (%): avg | CT-FlowBench ACC (%): avg | QA | AM | DD | Avg. |
|---|---|---|---|---|---|---|---|
| GPT-5.2 | Yes | 63.50 | 37.00 | 40.00 | - | - | 37.00 |
| Gemini-3-Pro-Preview | Yes | 62.59 | 44.00 | 45.00 | - | - | 44.00 |
| Claude-Sonnet-4.5 | Yes | 54.83 | 43.00 | 44.00 | - | - | 43.00 |
| Qwen3-VL-235B-A22B-Instruct | Yes | 54.21 | 36.00 | 30.00 | - | - | 36.00 |
| GLM4.6-V | Yes | 52.04 | 33.00 | 25.00 | - | - | 33.00 |
| M3D-LaMed-Llama-2-7B | No | 24.17 | 17.00 | 17.00 | - | - | 17.00 |
| M3D-RAD | No | 58.00 | 34.00 | 39.00 | - | - | 34.00 |
| Hulu-Med-7B | No | 61.29 | 46.00 | 37.00 | - | - | 46.00 |
| Qwen2.5-VL-7B-Instruct | Yes | 26.83 | 22.00 | 14.00 | - | - | 22.00 |
| Qwen3-VL-8B-Instruct | Yes | 49.06 | 26.00 | 20.00 | - | - | 26.00 |
| CT-Flow-7B | Yes | 61.36 | 38.00 | 52.00 | - | - | 38.00 |
| CT-Flow-8B | Yes | 69.46 | 43.00 | 40.00 | - | - | 43.00 |
- CT-Flow-8Bは3D-RAD精度で69.46%の最先端を達成。
- CT-Flowは3D-RADでスライスベースのベースラインより診断精度を+22.46%向上。
- CT-FlowBenchでは高容量モデルがツール介在推論から利益を得ることを示し、GPT-5.2とGemini-3-Pro-Previewは医療モデルの一部を上回る集計指標を示した。
- CT-Flow（SFT）はツール起動の自律性が高く、最大で95%の自律的ツール起動成功を達成。
- CT-FlowBenchは多段階の実行可能な推論軌跡を提示し、最終精度は単一スライス判断よりも複雑で多段階の診断を反映。
- アブレーションにより4つのツールカテゴリ（Data Ingestion, Global Navigation, Detailed Observation, Advanced Analysis）が性能に不可欠であることが示された。
より良い研究を、今すぐ始めましょう
論文設計から論文執筆まで、研究時間を劇的に削減しましょう。
クレジットカード登録不要
このレビューはAIが作成し、人間の編集者が確認しました。