大型语言模型在放射治疗中的应用：从工作流程自动化到临床智能
医学物理
2026-04-07 v1
摘要
大型语言模型（LLM）已成为医学领域的变革性工具，具备强大的语言理解、推理和结构化信息提取能力。放射治疗尤其适合LLM集成，因其数据密集型工作流程、对结构化指南的依赖以及文档负担。本综述总结了近期应用，包括用于决策支持的领域特定微调、自动术语标准化、使用自主LLM代理进行登记簿 curated，以及基于模块化检索增强生成（RAG）的协议感知放射治疗计划评估。此外，还包括通过事件分类和根本原因分析进行患者安全分析、电子健康记录（EHR）集成的沟通、CT模拟订单摘要、每日准备简报以及患者教育系统。新兴的多模态方法实现了上下文感知的轮廓绘制，而早期研究表明LLM可辅助治疗计划制定，通过解读剂量学反馈。综上，这些进展凸显了向以临床为基础、可审计且集成于工作流程的AI系统转型的趋势，这些系统提升了效率、安全性和患者参与度。
引用
@article{arxiv.2604.03509,
title = {Applications of Large Language Models in Radiation Oncology: From Workflow Automation to Clinical Intelligence},
author = {Yuzhen Ding and Jason Holmes and Yuexing Hao and Zhengliang Liu and Peilong Wang and Junjie Cui and Meiyun Cao and Caiwen Jiang and Shuoyang Wei and Lin Zhao and Chenbin Liu and Lian Zhang and Yunze Yang and Tianming Liu and Wei Liu},
journal= {arXiv preprint arXiv:2604.03509},
year = {2026}
}