Agentensysteme in der Radiologie: Design, Anwendungen und Herausforderungen

Die Entwicklung von Agenten, die ihre Umgebung wahrnehmen und eigenständig handeln können, hat in den letzten Jahren dank großer Sprachmodelle (LLMs) einen enormen Fortschritt erlebt. Diese Modelle nutzen natürliche Sprache, um Informationen zu verknüpfen, Anweisungen zu befolgen und in vielfältigen Aufgaben zu „denken“ und zu planen.

Radiologie bietet dank multimodaler Datenströme und orchestrierter Arbeitsabläufe ein ideales Umfeld, um Agenten einzusetzen, die sich an unterschiedliche Kontexte anpassen und wiederkehrende, komplexe Aufgaben automatisieren. Bereits jetzt zeigen LLMs und ihre multimodalen Varianten vielversprechende Ergebnisse bei einzelnen Aufgaben wie der Extraktion von Informationen oder der Zusammenfassung von Befunden.

Einzelne LLMs nutzen jedoch ihr volles Potenzial nicht aus, wenn sie isoliert eingesetzt werden. Durch die Integration externer Werkzeuge und Rückmeldemechanismen können sie komplexe, mehrstufige Arbeitsabläufe unterstützen, bei denen Entscheidungen auf sich verändernde Informationen aus mehreren Quellen reagieren. So entstehen Systeme mit unterschiedlichem Autonomiestandard – von halbautomatisierten Prozessen bis hin zu adaptiven Agenten, die komplexe Abläufe eigenständig steuern.

Diese Übersicht beleuchtet die Gestaltung solcher LLM‑gesteuerten Agentensysteme, stellt zentrale Anwendungsfelder vor, erläutert Bewertungsmethoden für Planung und Werkzeuggebrauch und skizziert zentrale Herausforderungen wie Fehlerkaskaden, Effizienz bei der Werkzeugnutzung und die Integration in die Gesundheits‑IT.