由 GPT-4Vision 指导的自动化放射治疗方案规划

目标：放射治疗方案规划耗时且可能主观，需不断调整模型参数以平衡多个相互冲突的目标。近期前沿人工智能（AI）模型的发展为解决规划和临床决策中的挑战提供了广阔的机遇。本研究引入 GPT-RadPlan，一个将放射学知识与大型多模态模型（如 OpenAI 的 GPT-4Vision（GPT-4V））的推理能力相结合的自动化方案规划框架。方法：通过基于情境的学习，我们将临床要求和少量（本实验中为 3 个）已获批准的临床方案及其优化设置纳入系统，使 GPT-4V 获得治疗规划领域知识。所得 GPT-RadPlan 系统通过应用程序编程接口（API）集成到我们内部的逆向方案规划系统中。对于给定患者，GPT-RadPlan 既充当方案评估者又充当方案规划者，首先评估剂量分布和剂量体积直方图（DVH），然后提供关于如何使方案符合医生要求的文本性反馈。如此，GPT-RadPlan 根据其建议不断调整规划参数（如权重和剂量目标），迭代细化方案。主要结果：在 17 例前列腺癌和 13 例头颈癌 VMAT 方案（分别处方剂量为 70.2 Gy 和 72 Gy）中展示了自动化规划系统的有效性，我们将 GPT-RadPlan 结果与由人类专家制定的临床方案进行了比较。所有案例中，GPT-RadPlan 要么超过，要么等于临床方案，显示出对靶区覆盖率的优势，并将器官风险剂量降低了平均 5 Gy（前列腺癌为 15%，头颈癌为 10-15%）。