CT-PrepAgent：用有界策略与受控执行实现自适应CT数据准备

发生了什么

**原始事实：**论文提出CT-PrepAgent，用于根据CT采集条件和下游任务自适应选择数据准备方案。系统采用“有界策略”和“受控确定性执行”，而非让LLM直接自由操作数据管线。

**原始事实：**确定性检查会构造结构化的“数据—任务画像”；策略模块据此选择合格的DICOM序列或预定义预处理配置。执行流程包含守卫、决策冲突处理、执行、验证，以及在满足条件时的有限恢复；无法安全处理时进入隔离区。

**分析：**关键设计是将开放式推理限制在可枚举的策略空间，并让实际数据变换保持确定性，从而降低不可预测操作对医学数据的影响。

**原始事实：**在三个公开CT分割任务上，作者报告CT-PrepAgent取得最高宏平均Dice。两个私有原始DICOM队列的验证输出率从61.7%提高到70.0%；在共同验证成功的输出上，注册指标相近。受控故障和回放测试验证了有限恢复、安全隔离，以及测试故障和漂移条件下的无策略回放。

**不确定点：**摘要没有给出Dice具体数值、数据集名称、基线配置、统计显著性或故障/漂移测试的完整参数。

**分析：**CT数据准备往往同时受到设备、协议、DICOM元数据和任务目标影响。若结果可复现，CT-PrepAgent说明代理系统的价值不只在于“自动写步骤”，还在于把选择、执行和失败处理纳入可审计闭环。

**分析：**研究团队可将其用于多来源CT分割或注册前的预处理编排，重点观察验证输出率、隔离案例和重放结果，而不应只比较最终模型分数。预定义配置和策略边界也有助于把人工审批集中到高风险或异常病例。

**未验证推断：**这并不等于系统已适合临床部署；临床使用还需要外部验证、权限控制、数据隐私保护和对具体设备/协议的覆盖评估。

**原始事实：**公开摘要仅说明三个公开任务和两个私有队列，并未披露样本规模、CT协议分布、代理模型、策略错误率、人工介入成本或跨机构泛化结果。注册指标在共同验证输出上相似，也不能说明所有输入上的整体注册性能提升。

分析：“最高宏平均Dice”取决于比较对象、预处理公平性和任务权重；“输出率提升”还需结合隔离样本的临床重要性判断。安全隔离减少错误输出，但可能增加人工复核负担。