笔记本CPU就能跑！3.3GB内存31秒生成结构化放射报告
MedPAO-Assist: Edge-Deployable, Modality-Aware Agentic AI for Radiology Report Structuring
📖 AI 总结
该研究针对放射科报告结构化中大模型依赖云端专有服务或高端GPU、难以兼顾数据隐私与离线部署的瓶颈，提出MedPAO-Assist——一个可边缘部署、模态感知的智能体框架。系统可直接从放射科医生的口述和语音指令生成结构化报告，在标准笔记本CPU上峰值内存约3.3GB、平均端到端延迟约31秒，目前支持胸部X光、胸部CT、腹部CT和脑部MRI四种模态。其多智能体架构基于“提取—锚定—生成”范式，完成概念抽取、SNOMED-CT本体锚定与结构化报告生成，并辅以语音驱动的人在回路纠错，形成无需键盘、外部API或联网的全流程“无接触”报告工作流。作者称这是较早以0.6B参数量级小语言模型运行完整流水线的智能体系统之一，并分阶段评估了各环节性能与硬件表现，验证了纯CPU实时临床部署的可行性。
🔑 关键词速览
| MedPAO-Assist | 本文提出的可边缘部署的智能体框架，用于从口述和语音命令生成结构化放射学报告。 |
| Small Language Model (SLM) | 参数量较小（如0.6B级别）的语言模型，适合在资源受限的边缘设备上部署。 |
| Extract-Ground-Generate | 一种多智能体协作范式，依次进行概念提取、本体接地和结构化报告生成。 |
| SNOMED-CT | 系统化临床医学术语集，一种国际标准的临床术语本体，用于医学概念的规范化表达。 |
| Human-in-the-loop | 人在回路，指在自动化流程中引入人工干预或校正的机制，此处通过语音驱动实现。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅