由GPT-4Vision指导的自动化放射治疗治疗计划

科学领域:

• 在瘤学瘤学.
• 人工智能的人工智能
• 医疗成像医学成像

背景情况:

• 放射治疗治疗计划是复杂的,耗时的,主观的.
• 大型基础模型为规划挑战提供了潜在的解决方案.

研究的目的:

• 引入GPT-RadPlan,一个使用多模式大语言模型的自动化治疗规划框架.
• 评估GPT-RadPlan在自动化放射治疗计划方面的有效性.

主要方法:

• 使用GPT-4视觉 (GPT-4V) 通过上下文学习与临床协议集成.
• 开发了GPT-RadPlan作为一个指导治疗计划的专家代理.
• 通过API将GPT-RadPlan代理集成到反向治疗计划系统中.

主要成果:

• 在前列腺癌和头癌病例中,GPT-RadPlan与临床计划相匹配或超越.
• 证明优越的目标覆盖率和处于危险的器官节省.
• 始终达到临床方案中定义的剂量测量目标.

结论:

• GPT-RadPlan是第一个模拟辐射瘤学中的人类规划者行为的多式大型语言模型代理.
• 在没有额外的培训的情况下实现了放射治疗治疗计划的显著自动化.
• 在改善临床决策效率和结果方面显示出显著的前景.