RadOnc-GPT：用于大规模实时患者结果标记的自主 LLM 代理
人工智能
2025-12-16 v2
摘要
手动标记限制了放射治疗中患者结果研究的规模、准确性和及时性。我们提出 RadOnc-GPT，一个能够独立检索患者特定信息、迭代评估证据并返回结构化结果的自主大型语言模型 (LLM) 代理。我们的评估明确验证了 RadOnc-GPT 在两个明确定义的复杂性提升层级上的表现：(1) 结构化质量保证 (QA) 层级，评估对人口统计信息和放射治疗治疗计划细节准确检索的能力，随后是(2) 复杂临床结果标记层级，涉及确定头颈癌患者的颌骨坏死 (mandibular osteoradionecrosis, ORN) 以及检测独立的前列腺癌和头颈癌队列中癌症复发，需综合解读结构化和非结构化患者数据。QA 层级为结构化数据检索奠定信任基础，这是成功进行复杂临床结果标记的关键前提。
引用
@article{arxiv.2509.25540,
title = {RadOnc-GPT: An Autonomous LLM Agent for Real-Time Patient Outcomes Labeling at Scale},
author = {Jason Holmes and Yuexing Hao and Mariana Borras-Osorio and Federico Mastroleo and Santiago Romero Brufau and Valentina Carducci and Katie M Van Abel and David M Routman and Andrew Y. K. Foong and Liv M Muller and Satomi Shiraishi and Daniel K Ebner and Daniel J Ma and Sameer R Keole and Samir H Patel and Mirek Fatyga and Martin Bues and Brad J Stish and Yolanda I Garces and Michelle A Neben Wittich and Robert L Foote and Sujay A Vora and Nadia N Laack and Mark R Waddle and Wei Liu},
journal= {arXiv preprint arXiv:2509.25540},
year = {2025}
}