论文
用于结直肠癌治疗计划的代理生成 大语言模型
An Agentic Generative Large Language Model for Treatment Planning of Colorectal Cancer
摘要
精准肿瘤治疗规划需要整合不同类型的患者信息和不断更新的临床指南。GatorOnco是用于结直肠癌治疗规划的智能体式LLM，以2820亿词元生物医学文本开发，其中包含UF Health的1660亿词元临床文本。领域适配结合预训练、模型合并、两阶段后训练和智能体强化学习；智能体式检索增强生成将具有时效性的临床指南动态加入推理。在五名UF Health肿瘤科医生开展的盲法随机临床评估中，GatorOnco显著优于所比较的开源LLM（P<0.01），表现与专家相当。相对专家，其可读性评分为4.46对4.19、完整性为3.91对3.52，均显著更高（P<0.01）；正确性4.09对4.11（P=0.921）、时效性4.04对3.98（P=0.478）和安全性4.22对4.22（P=0.999）无显著差异。结果支持将智能体推理与大规模领域适配结合，用于改善高风险癌症治疗规划。