德国癌症研究中心（DKFZ）等作者于2026年10月22日在arXiv提交预印本，介绍了nnInteractive Agent：一种把通用AI智能体接入交互式3D分割模型nnInteractive的方案。用户只需用自然语言提出目标，智能体即可识别需要分割的结构，选择点、涂鸦或框等空间提示，检查三维掩膜，并根据反馈进行修正。原始论文摘要
论文称，该系统通过模型上下文协议（MCP）把nnInteractive封装为可调用工具，并配套一套描述经验性提示策略的技能模块。测试覆盖CT、MRI、PET和显微CT，包含人类、鼠和蚂蚁等样本，共14幅图像、51个目标，目标类型包括器官、肿瘤、肌肉、足部骨骼、血管树和昆虫脑部。仅根据自然语言请求时，Claude Code和Codex在该测试上的平均Dice分别为0.81和0.84；如果额外告知目标大致位置，两者均达到0.85。Dice是衡量分割结果与参考标注重叠程度的指标，数值越高通常表示重合越好。
作者还报告，智能体在复杂或非典型目标上的稳健性可能优于一个文本提示式3D模型：后者在部分目标上更准确，但出现空掩膜或对腿部肌肉、足部骨骼、鼠和蚂蚁样本失败的情况。不过，这些结果来自规模有限的自建基准，比较对象、提示方式和评测样本都会影响结论，不能据此推断系统已具备临床可用性。该工作目前是10月22日提交的arXiv预印本，尚未在本文中核实同行评审或真实工作流中的长期表现。
参考来源：
由 AI 整理，仅供参考；请以原始来源为准。
