Проблема фрагментации в онкологии
Несмотря на прогресс в отдельных задачах лучевой терапии, клинические этапы остаются изолированными друг от друга. Программные среды и данные часто не взаимодействуют, что нарушает целостность рабочего процесса пациента — от принятия решения о лечении до последующего наблюдения. Команда исследователей во главе с Цайвэнем Цзяном (Caiwen Jiang) предложила решение: RadOnc-Agent — агентную ИИ-систему, формализующую этот путь.
Архитектура и функционал
Система структурирует радиоонкологический путь на четыре клинические фазы и предоставляет 26 вызываемых функций через разговорный интерфейс. В основе лежит контроллер на базе большой языковой модели (LLM), который:
- Сопоставляет клинические намерения с ограниченной схемой вызовов (schema-constrained calls).
- Сохраняет контекст пациента и рабочего процесса.
- Маршрутизирует запросы к специализированным сервисам бэкенда.
Результаты тестирования
Эффективность RadOnc-Agent была проверена на обширном наборе данных, включающем 2 600 одиночных запросов, 200 синтетических сценариев и 120 реальных рабочих процессов из 60 обезличенных записей пациентов. Ключевые метрики представлены ниже:
| Метрика | Результат | Детали теста |
|---|---|---|
| Точность выбора функции | 98,79% | 2 600 одиночных запросов (7 800 повторных запусков) |
| Завершение кросс-стадийных сценариев | 96,50% | 200 синтетических сценариев (600 запусков) |
| Завершение реальных рабочих процессов | 96,67% | 120 инстансов из 60 записей пациентов (360 запусков) |
Важность контекста и валидации
Абляционные исследования показали критическую роль архитектурных решений. Удаление механизма продольного состояния (longitudinal state) снизило успешность завершения кросс-стадийных задач с 96,50% до 84,00%. Отключение проверки схем и идентичности привело к катастрофическому росту ошибок маршрутизации: доля неверных вызовов бэкенда выросла с 0% до 95,28%.
Значение для отрасли
Результаты доказывают техническую осуществимость LLM-оркестрации для координации гетерогенных возможностей в радиоонкологии. Авторы подчеркивают, что работа устанавливает feasibility (техническую возможность), но не гарантирует клиническую корректность или пользу для пациентов без дальнейших проспективных испытаний.
Источник: arXiv cs.AI ↗