ИССЛЕДОВАНИЕ · RESEARCH · #2468
Многоагентная AI-система (DRL + LLM) для планирования протонной терапии головы и шеи (arXiv:2610.29010v1)
В препринте на arXiv предложена составная AI-система, сочетающая сеть политики, обученную PPO, для генерации нескольких планов протонной PBS-терапии, и многоагентный LLM-слой для их конверсационного уточнения. Планирующий агент на базе Qwen3-14B (дообученный SFT и GRPO), чат-интерфейс и оценочный агент протестированы на 21 пациенте с опухолями головы и шеи (по 5 планов PPO на пациента; 50 планов выбрано для доработки по инструкциям); дообученная Qwen3-14B продемонстрировала улучшения в следовании инструкциям, извлечении информации и доменной аргументации, что привело к более клинически уместным компромиссам при доработке планов.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В препринте на arXiv предложена составная AI-система, сочетающая сеть политики, обученную PPO, для генерации нескольких планов протонной PBS-терапии, и многоагентный LLM-слой для их конверсационного уточнения.
- Планирующий агент на базе Qwen3-14B (дообученный SFT и GRPO), чат-интерфейс и оценочный агент протестированы на 21 пациенте с опухолями головы и шеи (по 5 планов PPO на пациента; 50 планов выбрано для доработки по инструкциям); дообученная Qwen3-14B продемонстрировала улучшения в следовании инструкциям, извлечении информации и доменной аргументации, что привело к более клинически уместным компромиссам при доработке планов.
- Сочетание планов, сгенерированных DRL, и многоагентной LLM-доработки с обоснованием может ускорить и сделать более интерпретируемым персонализированное планирование протонной терапии для клиницистов, однако результаты предварительны (малый объём выборки, препринт).
ПОЧЕМУ ЭТО ВАЖНО
Сочетание планов, сгенерированных DRL, и многоагентной LLM-доработки с обоснованием может ускорить и сделать более интерпретируемым персонализированное планирование протонной терапии для клиницистов, однако результаты предварительны (малый объём выборки, препринт).