論文の概要: Zero-Shot Large Language Model Agents for Fully Automated Radiotherapy Treatment Planning

• arxiv url: http://arxiv.org/abs/2510.11754v1
• Date: Sun, 12 Oct 2025 19:21:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-15 19:02:32.031254
• Title: Zero-Shot Large Language Model Agents for Fully Automated Radiotherapy Treatment Planning
• Title（参考訳）: 完全自動放射線治療計画のためのゼロショット大言語モデルエージェント
• Authors: Dongrong Yang, Xin Wu, Yibo Xie, Xinyi Li, Qiuwen Wu, Jackie Wu, Yang Sheng,
• Abstract要約: 大規模言語モデル(LLM)ベースのエージェントは、強度変調放射線治療(IMRT)のための逆処理計画を立てる エージェントの意思決定プロセスは、現在の観察と以前の最適化の試みと評価によって通知される。 本研究では、商用TPSにおける自動IMRT処理計画のためのゼロショットLLM駆動ワークフローの実現可能性を示す。
• 参考スコア（独自算出の注目度）: 14.814676057920067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Radiation therapy treatment planning is an iterative, expertise-dependent process, and the growing burden of cancer cases has made reliance on manual planning increasingly unsustainable, underscoring the need for automation. In this study, we propose a workflow that leverages a large language model (LLM)-based agent to navigate inverse treatment planning for intensity-modulated radiation therapy (IMRT). The LLM agent was implemented to directly interact with a clinical treatment planning system (TPS) to iteratively extract intermediate plan states and propose new constraint values to guide inverse optimization. The agent's decision-making process is informed by current observations and previous optimization attempts and evaluations, allowing for dynamic strategy refinement. The planning process was performed in a zero-shot inference setting, where the LLM operated without prior exposure to manually generated treatment plans and was utilized without any fine-tuning or task-specific training. The LLM-generated plans were evaluated on twenty head-and-neck cancer cases against clinical manual plans, with key dosimetric endpoints analyzed and reported. The LLM-generated plans achieved comparable organ-at-risk (OAR) sparing relative to clinical plans while demonstrating improved hot spot control (Dmax: 106.5% vs. 108.8%) and superior conformity (conformity index: 1.18 vs. 1.39 for boost PTV; 1.82 vs. 1.88 for primary PTV). This study demonstrates the feasibility of a zero-shot, LLM-driven workflow for automated IMRT treatment planning in a commercial TPS. The proposed approach provides a generalizable and clinically applicable solution that could reduce planning variability and support broader adoption of AI-based planning strategies.
• Abstract（参考訳）: 放射線治療治療計画は反復的かつ専門性に依存したプロセスであり、がん患者の増加は手動の計画にますます依存し、自動化の必要性を強調している。 本研究では,大規模言語モデル(LLM)をベースとしたエージェントを用いて,強度変調放射線治療(IMRT)の逆処理計画を行うワークフローを提案する。 The LLM agent was implemented to direct interaction with a clinical treatment planning system (TPS) to repeateratively extract intermediate plan state and proposed new constraint values to guide inverse optimization。 エージェントの意思決定プロセスは、現在の観測と以前の最適化の試みと評価によって通知され、ダイナミック戦略の洗練を可能にする。 計画プロセスはゼロショット推論環境で実行され、LSMは手動で生成された治療計画に事前露出することなく動作し、微調整やタスク固有の訓練を行なわずに利用された。 LLMを施行した20例の頭頸部癌症例に対して, 臨床手技による評価を行い, キードシメトリ・エンドポイントを解析, 報告した。 LLMが作成した計画は、臨床計画と同等のオルガン・アット・リスク(OAR)を達成し、ホットスポットコントロールの改善(Dmax: 106.5% vs. 108.8%)と優れた適合性(コンフォーマル指数: 1.18 vs. 1.39、プライマリPTV: 1.82 vs. 1.88)を実証した。 本研究では、商用TPSにおける自動IMRT処理計画のためのゼロショットLLM駆動ワークフローの実現可能性を示す。 提案したアプローチは、計画の多様性を低減し、AIベースの計画戦略の広範な採用を支援する、汎用的で臨床応用可能なソリューションを提供する。

関連論文リスト

• An Iterative LLM Framework for SIBT utilizing RAG-based Adaptive Weight Optimization [11.168299220031662]
  本研究では,大規模言語モデル(LLM)によって駆動されるSIBT計画のための適応重み付け最適化フレームワークを提案する。 検索強化世代(RAG)を介して構築およびクエリされた臨床知識ベースは、モデルのドメイン固有の推論を強化する。 提案法は23例の患者に対して検証され, LLM によるアプローチが臨床承認および固定重量計画に匹敵する, あるいは超過した計画を生み出すことが示された。
  論文  参考訳（メタデータ） (2025-09-10T08:54:16Z)
• New Insights into Automatic Treatment Planning for Cancer Radiotherapy Using Explainable Artificial Intelligence [1.8515971640245998]
  本研究では,人工知能(AI)エージェントによる自動治療計画における不透明な意思決定プロセスを明らかにすることを目的とする。 本研究では,Actor-Critic with Experience Replay(ACER)ネットワークに基づくAIエージェントについて検討した。
  論文  参考訳（メタデータ） (2025-08-19T19:38:16Z)
• A learning-driven automatic planning framework for proton PBS treatments of H&N cancers [2.0765076553348316]
  逆パラメータは、タスク固有のデータ分布から学習することで更新ステップを予測する学習最適化(L2O)手法である。 実験では、両側または同側性H&N癌に合併した97人の患者を訓練と検査のために収集した。
  論文  参考訳（メタデータ） (2025-08-14T21:50:31Z)
• PLAN-TUNING: Post-Training Language Models to Learn Step-by-Step Planning for Complex Problem Solving [66.42260489147617]
  大規模言語モデルから合成タスク分解を蒸留するフレームワークであるPLAN-TUNINGを紹介する。 複雑な推論を改善するために、教師付きおよび強化学習の目的を通したプランチューン細管モデル。 本分析は,計画軌道が複雑な推論能力をいかに改善するかを示す。
  論文  参考訳（メタデータ） (2025-07-10T07:30:44Z)
• Autonomous Radiotherapy Treatment Planning Using DOLA: A Privacy-Preserving, LLM-Based Optimization Agent [2.1986172572830096]
  Dose Optimization Language Agent (DOLA) は、放射線治療計画の最適化を目的とした、LLMベースの自律型大規模言語モデルである。 DOLAはLLaMa3.1 LLMを商業的な治療計画システムと直接統合している。 完全に安全なインフラで 稼働しています
  論文  参考訳（メタデータ） (2025-03-21T22:01:19Z)
• Automating proton PBS treatment planning for head and neck cancers using policy gradient-based deep reinforcement learning [0.7519872646378836]
  本稿では,PPOアルゴリズムと線量分布に基づく報酬関数を用いた自動治療計画モデルを提案する。 実験的なルールのセットは、ターゲットのボリュームとリスクのある臓器から補助的な計画構造を作成するために使用される。 PPOを用いて訓練された意思決定ポリシーネットワークを開発し、連続的な行動空間において、関連する計画目標パラメータを反復的に調整する。
  論文  参考訳（メタデータ） (2024-09-17T22:01:56Z)
• End-to-End Breast Cancer Radiotherapy Planning via LMMs with Consistency Embedding [47.360760580820966]
  放射線腫瘍学の分野に適した包括的大規模マルチモーダルモデル(LMM)であるRO-LMMを提案する。 このモデルは臨床ワークフロー内の一連のタスクを効果的に管理し、臨床コンテキストの要約、放射線治療計画の提案、計画誘導されたターゲットボリュームセグメンテーションを含む。 クリーン入力処理の整合性を維持しつつ,LMMのノイズ入力に対する堅牢性を向上する,CEFTune(Consistency Embedding Fine-Tuning)技術を提案する。
  論文  参考訳（メタデータ） (2023-11-27T14:49:06Z)
• Theoretically Guaranteed Policy Improvement Distilled from Model-Based Planning [64.10794426777493]
  モデルベース強化学習(RL)は、様々な連続制御タスクにおいて顕著な成功を収めた。 近年のプラクティスでは、最適化されたアクションシーケンスをトレーニングフェーズ中にRLポリシーに蒸留する傾向にある。 我々は,モデルに基づく計画から政策への蒸留アプローチを開発する。
  論文  参考訳（メタデータ） (2023-07-24T16:52:31Z)
• AdaPlanner: Adaptive Planning from Feedback with Language Models [56.367020818139665]
  大規模言語モデル(LLM)は、最近、シーケンシャルな意思決定タスクの自律的エージェントとして機能する可能性を実証している。 本研究では,LLMエージェントが環境フィードバックに応じて自己生成計画を適応的に改善することのできるクローズドループアプローチであるAdaPlannerを提案する。 幻覚を緩和するために,様々なタスク,環境,エージェント機能にまたがる計画生成を容易にするコードスタイルのLCMプロンプト構造を開発した。
  論文  参考訳（メタデータ） (2023-05-26T05:52:27Z)
• Resource Planning for Hospitals Under Special Consideration of the COVID-19 Pandemic: Optimization and Sensitivity Analysis [87.31348761201716]
  新型コロナウイルス(covid-19)パンデミックのような危機は、医療機関にとって深刻な課題となる。 BaBSim.Hospitalは離散イベントシミュレーションに基づく容量計画ツールである。 BaBSim.Hospitalを改善するためにこれらのパラメータを調査し最適化することを目指しています。
  論文  参考訳（メタデータ） (2021-05-16T12:38:35Z)
• A feasibility study of a hyperparameter tuning approach to automated inverse planning in radiotherapy [68.8204255655161]
  本研究の目的は,計画品質を保ちながら,逆計画プロセスを自動化し,積極的な計画時間を短縮することである。 本研究では, 線量パラメータの選択, ランダムおよびベイズ探索法, ユーティリティ関数形式が計画時間と計画品質に及ぼす影響について検討した。 100個のサンプルを用いて良好な計画品質が得られ、平均計画時間は2.3時間であった。
  論文  参考訳（メタデータ） (2021-05-14T18:37:00Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。