面向零样本靶体积自动描绘的指南感知 AI 智能体
计算机视觉与模式识别
2026-03-11 v1 人工智能
摘要
放射治疗中描绘临床目标体积（CTV）涉及受肿瘤位置和解剖障碍限制的复杂边际。虽然深度学习模型自动化完成此过程，但其对专家标注数据的僵化依赖需要在临床指南更新时进行高昂的重新训练。为克服这一限制，我们引入OncoAgent——一种新颖的指南感知 AI 智能体框架，能够无需训练地将文本化临床指南无缝转化为三维目标轮廓。针对食管癌病例进行评估，智能体实现了CTV的0.842的零样本 Dice 相似系数，计划目标体积（PTV）为0.880，表现与完全监督的nnU-Net基线相当。值得注意的是，在盲法临床评估中，医生们强烈倾向于优先选择OncoAgent而非监督基线，评分在指南合规性、修改工作量和临床可接受性方面均表现更佳。此外，该框架能够零样本地推广至其他食管指南及其他解剖部位（如前列腺），无需重新训练。除了体积重叠之外，我们的方法基于智能体的范式提供了对替代指南的近乎即时适应性，为放射治疗治疗计划的可解释性提供了可扩展且透明的路径。
引用
@article{arxiv.2603.09448,
title = {A Guideline-Aware AI Agent for Zero-Shot Target Volume Auto-Delineation},
author = {Yoon Jo Kim and Wonyoung Cho and Jongmin Lee and Han Joo Chae and Hyunki Park and Sang Hoon Seo and Noh Jae Myung and Kyungmi Yang and Dongryul Oh and Jin Sung Kim},
journal= {arXiv preprint arXiv:2603.09448},
year = {2026}
}
备注
Submitted to MICCAI 2026