将多模态模型转化为放射治疗中的动作模型
机器学习
2025-02-10 v1 人工智能
摘要
放射治疗是一种关键的癌症治疗手段，需要精确的规划以平衡肿瘤消除与健康组织的保护。传统治疗规划（TP）是迭代的、耗时的，且依赖人类专业知识，这可能会引入变异性和低效性。我们提出了一个新颖的框架，使用少样本强化学习（RL）方法将大型多模态基础模型（MLM）转化为用于TP的动作模型。我们的方法利用了MLM在物理学、辐射和解剖学方面广泛的预存知识，并通过少样本学习过程对其进行增强。这使得模型能够使用蒙特卡洛模拟器迭代地改进治疗计划。我们的结果表明，该方法在质量和效率上均优于基于RL的常规方法，在前列腺癌数据的模拟中获得了更高的奖励分数和更优的剂量分布。这一概念验证表明，将高级AI模型整合到临床工作流程中是一个有前景的方向，有望提高放射治疗规划的速度、质量和标准化水平。
引用
@article{arxiv.2502.04408,
title = {Transforming Multimodal Models into Action Models for Radiotherapy},
author = {Matteo Ferrante and Alessandra Carosi and Rolando Maria D Angelillo and Nicola Toschi},
journal= {arXiv preprint arXiv:2502.04408},
year = {2025}
}