RadOnc-Agent：覆盖放疗流程的 LLM 工具协调框架

人工智能具有先进的个体放射治疗任务，但这些功能在临床阶段、软件环境和数据模式中仍然是分离的。这种碎片化与从治疗决策到随访的纵向放射治疗工作流程形成鲜明对比。在这里，我们介绍 RadOnc-智能体，这是一个 Agentic 人工智能框架，它将放射治疗形式化为四个临床阶段，并通过对话界面提供 26 个可调用函数。大语言模型控制器将临床意图映射到模式约束的呼叫，保留患者和工作流程上下文，并将请求路由到专家服务。我们使用 2,600 个单功能请求（7,800 次重复执行）、跨越四个阶段的 200 个预先指定的合成跨阶段场景（600 次执行）以及来自 60 个去识别化患者记录的 120 个工作流程实例（360 次干净执行）来评估系统执行情况，这些实例代表从决策到规划和从规划到适应的情况。 RadOnc-智能体在 98.79% 的单功能执行中选择了预期功能，完成了 96.50% 的脚本化跨阶段工作流程，并完成了 96.67% 的真实患者工作流程执行。在比较 消融 中，删除纵向状态将跨阶段完成率从 96.50% 降低到 84.00%，而禁用模式和身份验证则在重放/测试评估中将不匹配的后端调度从 0% 增加到 95.28%。这些发现确立了 LLM 协调架构的技术可行性，用于跨纵向工作流程协调异构放射治疗能力和信息；它们没有确定临床正确性、临床实用性或预期益处。