《npj Digital Medicine》：Towards human-centric intelligent treatment planning for radiation therapy
編輯推薦：
本文針對當前放射治療( RT )規劃存在質量欠佳、效率低下、成本高昂等問題，提出了一種名為"以人為本的智能治療規劃( HCITP )"的人工智能( AI )新框架。該研究通過整合三大核心模塊——評估模塊、執行模塊和對話模塊，在人類監督下實現自動化、個性化且高質量的RT規劃，有望將規劃時間從數天縮短至數分鐘，對提升全球癌癥治療可及性具有重要意義。
在全球癌癥負擔日益加重的背景下，放射治療作為癌癥治療的基石技術，其療效高度依賴于治療規劃的質量。然而，當前基于治療規劃系統( TPS )的傳統規劃模式正面臨著三重挑戰：規劃質量難以保證最優、規劃流程效率低下且耗時漫長，以及高昂的人力成本。這些問題不僅直接影響患者的治療效果——例如在高級別膠質瘤中，治療每延遲一天死亡風險增加2%——更在醫療資源有限的地區加劇了癌癥治療的可及性困境。
針對上述難題，約翰斯·霍普金斯大學的研究團隊在《npj Digital Medicine》上發表了一項前瞻性研究，提出了一種名為"以人為本的智能治療規劃( HCITP )"的創新框架。該研究旨在通過人工智能技術重塑放射治療規劃流程，在保持人類臨床醫生最終決策權的前提下，大幅提升規劃效率與質量。
HCITP框架的核心由三大智能模塊構成。評估模塊基于基礎模型( FM )構建，能夠綜合處理多模態數據（包括臨床指南、醫學影像和臨床筆記等），對計劃質量進行全面評估，并融合醫師的個人偏好。執行模塊采用強化學習( RL )技術，模擬人類計劃師操作TPS的決策過程，自動生成可執行的計劃。對話模塊則基于大語言模型( LLM )和語音識別技術，實現評估者與系統間的自然交互，使反饋能夠直接融入規劃流程。
研究團隊通過系統分析驗證了HCITP的多重優勢。與傳統流程相比，新框架能夠生成更高質量、更個性化的治療計劃，同時將規劃時間從數天縮短至幾分鐘。這種效率提升對于需要頻繁調整計劃的適應性放射治療( ART )尤為重要，特別是在在線自適應放療場景中，計劃必須在患者位于治療床上的極短時間內完成。
在技術方法層面，研究人員主要依托三大關鍵技術：基于基礎模型的多模態數據融合與評估技術、強化學習驅動的自動化TPS操作策略，以及大語言模型支持的人機交互接口。這些技術的整合應用確保了系統在處理復雜臨床數據、生成可執行計劃以及實現自然交互方面的能力。
研究結果顯示，HCITP框架具有顯著的臨床應用價值。評估模塊能夠持續學習最新的臨床指南和技術標準，確保評估標準與時俱進。執行模塊通過強化學習的探索性學習能力，能夠發現超越傳統方法的優化策略，不僅提升計劃質量，還具有教育意義。對話模塊則通過簡化評估者與系統間的溝通流程，有效減少了傳統模式中因信息傳遞不暢導致的質量變異。
研究還深入探討了HCITP面臨的挑戰與解決方案。在技術層面，模型訓練需要大量高質量數據，而強化學習訓練過程的計算強度較大。針對計劃質量的可變性挑戰，HCITP通過整合臨床指南和學習醫師偏好來提升一致性。在臨床實施方面，需要考慮不同機構的資源差異，采用輕量級模型和云資源結合的策略。安全性方面，需要通過鏈式思維提示( chain-of-thought prompting )和檢索增強生成等技術降低模型幻覺風險。
該研究的結論部分強調，HCITP代表了一種統一、智能的放射治療規劃新范式，其核心創新在于將先前孤立解決治療規劃不同方面的嘗試整合到一個協調的工作流程中。與當前臨床實踐相比，新框架不僅能夠生成更高質量的治療計劃，還能通過顯著提升規劃效率來縮短診斷與治療開始間的時間間隔，這對快速進展的腫瘤患者尤為重要。
值得注意的是，HCITP框架始終堅持"以人為本"的原則，醫師始終保持著對計劃的最終審批權。這種設計既發揮了人工智能的技術優勢，又確保了臨床專家的核心決策地位，類似于航空領域中自動化系統與飛行員職責的有機結合。隨著技術的進一步發展和臨床驗證的推進，HCITP有望在提升個性化治療水平、擴大放射治療可及性以及推動臨床實踐進步方面發揮重要作用。
