肿瘤学临床推理 AI 用于治疗方案规划：多学科案例基准评估
计算机与社会
2026-04-24 v1 人工智能
人机交互
信息检索
机器学习
摘要
背景：超过 80% 的美国癌症护理在社区环境中提供，存活率仍低于学术中心。临床医生必须整合基因组学、分期、放射学、病理学及不断变化的指南，这造成了认知负担。我们评估了 OncoBrain——一种用于癌症治疗方案生成的人工智能临床推理平台，作为通往 OGI 的早期步骤。方法：OncoBrain 将通用大语言模型与癌症特定图谱检索增强生成层、黄金标准治疗方案语料库作为长期记忆，以及用于幻觉检测与抑制的模型无关安全层（CHECK）相结合。我们对跨子宫内膜肿瘤、泌尿生殖肿瘤、神经肿瘤、消化/肝胆肿瘤和血液肿瘤的临床丰富化案例摘要进行评估。三组临床医生完成了包含 173 个案例的结构化评估，使用通用 16 项仪器：子专科肿瘤学家审查 50 个案例，医师审查者审查 78 个，高级实践提供者审查 45 个。结果：在科学准确性、证据支持和安全性方面的评级最高，但在工作流程整合和节省时间方面的得分较低但仍有积极趋势。在 5 分制量表上，科学依据和指南一致性的平均分为 4.60、4.56 和 4.70，分别对应子专科肿瘤学家、医师审查者和高级实践提供者。缺乏安全或误导性问题的平均分为 4.80、4.40 和 4.60。工作流程整合平均分为 4.50、3.94 和 4.00，感知到的节省时间平均分为 5.00、3.89 和 3.60。结论：在本多学科情景式评估中，OncoBrain 生成的癌症治疗方案被认为符合指南、临床可接受且易于监督。这些发现支持 Carefully 工程化的人工智能推理平台辅助癌症治疗方案规划的潜力，并为在社区环境中进行前瞻性现实评估提供了正当理由。
引用
@article{arxiv.2604.20869,
title = {Clinical Reasoning AI for Oncology Treatment Planning: A Multi-Specialty Case-Based Evaluation},
author = {Philippe E. Spiess and Md Muntasir Zitu and Alison Walker and Daniel A. Anaya and Robert M. Wenham and Michael Vogelbaum and Daniel Grass and Ali-Musa Jaffer and Amod Sarnaik and Caitlin McMullen and Christine Sam and John V. Kiluk and Tianshi Liu and Tiago Biachi and Julio Powsang and Jing-Yi Chern and Roger Li and Seth Felder and Samuel Reynolds and Michael Shafique and Alison Sheehan and Ashley Layman and Cydney A. Warfield and Derrick Legoas and Jaclyn Parrinello and Jena Schmitz and Kevin Eaton and Mark Honor and Luis Felipe and Issam ElNaqa and Elier Delgado and Talia Berler and Rachael V. Phillips and Frantz Francisque and Carlos Garcia Fernandez and Gilmer Valdes},
journal= {arXiv preprint arXiv:2604.20869},
year = {2026}
}