Automated radiotherapy treatment planning guided by GPT-4Vision.
由GPT-4Vision引導的自動化放射治療計劃設計。 ArXiv 2024-07-16

新研究介紹了GPT-RadPlan，使用GPT-4Vision的自動化治療計劃框架，改善放射治療。GPT-RadPlan在攝護腺和頭頸癌症治療中表現優異，比臨床計劃更有效。這種自動化系統可簡化治療計劃流程，無需額外培訓。 PubMed DOI

Large Language Model-Augmented Auto-Delineation of Treatment Target Volume in Radiation Therapy.
大型語言模型增強的放射治療治療靶區自動 delineation。 ArXiv 2024-07-23

放射治療是癌症治療的重要方法，但目前的目標區域劃定仍依賴專家手動進行，容易耗時且不一致。雖然人工智慧在正常組織的自動輪廓描繪上已有進展，但準確劃定治療目標仍具挑戰。本研究介紹了Radformer，一個結合視覺變壓器和大型語言模型的自動劃定網絡，能有效整合視覺與文本數據。經過對2,985名頭頸癌患者的評估，Radformer在分割指標上表現優於現有模型，顯示其在放射治療中的潛力。 PubMed DOI

Auto-delineation of treatment target volume for radiation therapy using large language model-aided multimodal learning.
利用大型語言模型輔助的多模態學習自動勾畫放射治療的治療靶區體積。 Int J Radiat Oncol Biol Phys 2024-08-08

人工智慧在自動劃分正常組織上已有進展，但在放射治療目標體積的準確勾勒上仍有挑戰。為此，我們提出將目標體積劃分視為臨床決策問題，並開發了名為 Medformer 的視覺-語言模型，結合多模態學習。經過測試，Medformer 在前列腺癌和口咽癌數據集上均顯示出顯著的性能提升，特別是在腫瘤體積劃分上，DSC 和 IOU 指標均有明顯改善，顯示出其在臨床應用中的潛力。 PubMed DOI

Large-language-model empowered 3D dose prediction for intensity-modulated radiotherapy.
大型語言模型驅動的強度調變放射治療三維劑量預測。 Med Phys 2024-09-24

這項研究探討放射治療中的治療計畫挑戰，重點在於使用深度學習模型預測劑量-體積直方圖（DVHs），特別是新型的劑量圖神經網絡（DoseGNN）。這個模型能將醫學影像轉換為結構化圖形，提升DVH預測準確性。DoseGNN結合大型語言模型（LLM），促進臨床醫師互動，並提出線上人機協作系統（OHAC）以改善強度調變放射治療（IMRT）的自動化。與其他模型比較，DoseGNN在預測計畫目標體積和危險器官的表現更佳，顯示出提升放射治療計畫準確性和效率的潛力。 PubMed DOI

LLM-driven multimodal target volume contouring in radiation oncology.
放射腫瘤學中基於 LLM 的多模態靶區輪廓描繪。 Nat Commun 2024-10-25

LLMSeg的發展在放射治療，特別是乳癌治療中，具有重要意義。它利用大型語言模型整合臨床文本與影像數據，成功解決靶區輪廓描繪的挑戰，超越了傳統的器官分割任務。在外部環境和數據稀缺的情況下，LLMSeg的驗證顯示其實用性，表現優於傳統的單模態人工智慧模型，展現出更強的泛化能力和數據效率，成為改善放射腫瘤學實務的有力工具。 PubMed DOI

Patient- and clinician-based evaluation of large language models for patient education in prostate cancer radiotherapy.
以病人和臨床醫師為基礎的評估大型語言模型在前列腺癌放射治療中的病人教育效果。 Strahlenther Onkol 2025-01-10

這項研究評估大型語言模型（LLMs）在提供前列腺癌放射治療病人教育的有效性，並納入臨床醫生和病人的反饋。研究中針對六個常見問題，評估了ChatGPT-4、Gemini、Copilot和Claude的回答。結果顯示，雖然所有模型的回答被認為相關且正確，但可讀性較差。病人對ChatGPT-4的評價較高，認為其回答易懂且有信心。整體而言，LLMs在病人教育上有潛力，但準確性和可讀性仍需改進，未來需進一步研究以提升其效益。 PubMed DOI

Large language model-augmented learning for auto-delineation of treatment targets in head-and-neck cancer radiotherapy.
大型語言模型增強學習於頭頸癌放射治療中自動勾畫治療目標的應用。 Radiother Oncol 2025-01-24

放射治療雖然有效，但手動劃定目標常常耗時且不穩定。這項研究介紹了Radformer，一種新型視覺語言模型，結合臨床文本和醫學影像，提升自動化的目標劃定。Radformer使用分層視覺變壓器和大型語言模型，並透過視覺語言注意模組整合信息。在2,985名頭頸癌患者的數據中，Radformer在目標劃定上表現優於現有模型，顯示出顯著的準確性進步，為AI輔助的放射治療計劃自動化鋪平道路。 PubMed DOI

Performance Evaluation of Large Language Models in Cervical Cancer Management Based on a Standardized Questionnaire: Comparative Study.
基於標準化問卷的子宮頸癌管理中大型語言模型的性能評估：比較研究。 J Med Internet Res 2025-02-05

子宮頸癌是全球健康的重要議題，尤其在資源有限的地區。這項研究探討大型語言模型（LLMs）在子宮頸癌管理中的潛力，評估了九個模型的準確性和可解釋性。結果顯示，ChatGPT-4.0 Turbo表現最佳，得分為2.67，顯示其在提供可靠回應方面的有效性。研究還利用LIME增強模型的可解釋性，對醫療專業人員建立信任至關重要。雖然專有模型表現良好，但醫學專用模型的表現未如預期，未來仍需進一步研究以了解LLM在醫療中的應用。 PubMed DOI

A feasibility study of automating radiotherapy planning with large language model agents.
利用大型語言模型代理自動化放射治療計劃的可行性研究。 Phys Med Biol 2025-03-12

本研究旨在透過GPT-Plan自動化系統提升放射治療計畫，利用GPT-4大型語言模型優化治療計畫，平衡腫瘤控制與周圍器官保護。研究中，GPT-Plan模擬劑量學家與物理學家的合作，並在12例肺癌及5例子宮頸癌病例中測試其性能。結果顯示，GPT-Plan在肺癌計畫中優於ECHO，且在子宮頸癌計畫中與資深物理學家相當。歷史計畫檢索顯著減少優化次數，顯示LLM驅動的代理在複雜治療決策中的潛力。 PubMed DOI

Large Language Models as Decision-Making Tools in Oncology: Comparing Artificial Intelligence Suggestions and Expert Recommendations.
大型語言模型作為腫瘤學中的決策工具：比較人工智慧建議與專家推薦。 JCO Clin Cancer Inform 2025-03-20

這項研究評估大型語言模型（LLMs）在根據病患醫療紀錄生成早期乳腺癌治療選項的準確性。使用2024年初的多學科團隊會議紀錄，測試了三個AI模型：Claude3-Opus、GPT4-Turbo和LLaMa3-70B。結果顯示，Claude3-Opus準確率86.6%，GPT4-Turbo為85.7%，LLaMa3-70B則為75.0%。兩者在輔助內分泌和靶向治療上表現良好，但在輔助放射治療上則有高估的情況。研究建議需進一步探討這些模型在臨床上的實際應用。 PubMed DOI

原始文章

站上相關主題文章列表