OncoAgent 把食管癌放疗临床指南文本零样本转成三维靶区，CTV Dice 达 0.842，与全监督 nnU-Net 无显著差异

提出两阶段（规划与执行）的智能体架构，把自由文本临床指南转换为三维靶区，全程无需训练。 既往深度学习分割依赖专家标注数据，指南更新即需重新标注与再训练；该工作改为让 LLM 依据指南文本推理，并调用预训练 OAR 分割模型与几何运算工具（segment、dilate、subtract 等）生成轮廓。 方法层面给出系统提示的三项策略（临床角色设定、指南参数化、稳健工具调用排序）与固定模板 CTV = (GTV ⊕ m_ctv) \ OARs、PTV = CTV ⊕ m_ptv；计划先经 JSON schema 校验，违规时迭代自精炼。端到端平均执行时间 1.74 分钟/例，平均 1.13 次 LLM 推理调用/例。

在食管癌上，零样本性能与全监督最先进基线相当。 此前食管靶区分割的监督模型（DDAU-Net、nnU-Net）在不可见的、由指南推导的 CTV 边界上表现较差；引入 GTV 先验后性能大幅提升，而 OncoAgent 以零样本方式达到同一水平。 40 例中段胸段食管癌计划 CT，32 例训练、8 例测试；CTV Dice 0.842±0.026、MSD 1.06±0.15 mm，PTV Dice 0.880±0.015、MSD 1.12±0.14 mm；对照 nnU-Net（GTV Prior）为 CTV 0.862±0.026、PTV 0.893±0.021，配对 t 检验显示 DSC、MSD 等主指标 p ≥ 0.05。OncoAgent 敏感度更高（CTV 0.884 对 0.845，PTV 0.922 对 0.873），精确度略低。

双盲临床评估中，医师对 OncoAgent 的偏好高于监督基线。 把评价从体素重叠扩展到临床可用性维度，包括指南依从性、修改工作量和临床可接受性。 两位资深放疗科医师（17 年与 20 年经验）对 8 例测试病例进行盲评，5 分 Likert 量表：指南依从性 4.06±0.68 对 3.56±0.51，修改工作量 4.12±0.89 对 3.44±0.63，临床可接受性 3.81±0.75 对 3.38±0.72；评分 ≥4 的比例分别为 81.2% 对 56.2%、68.8% 对 37.5%、75.0% 对 50.0%。

框架可零样本迁移到其他食管指南与其他解剖部位。 监督模型每次指南更新都需重新标注与再训练，而该框架仅通过更新文本输入即可适配不同协议。 工具调用 F1 在 IJROBP 专家共识指南为 1.00、JASTRO 2024 为 0.78、CROSS 试验为 0.73，前列腺（RTOG 0126）为 0.64，后者较低被归因于不熟悉的解剖术语（如 “SV_prox1cm”）；全部无需任务特定微调。

该结果面向中段胸段食管癌放疗计划 CT 的 CTV/PTV 自动勾画场景，适用于拥有预训练 OAR 分割模型、可提供结构化工具接口并保留医师审核环节的机构；其价值在于指南更新或机构协议变化时只需替换文本输入，而不必重新标注数据或重训模型，并可扩展到其他指南与其他解剖部位（文中示例为前列腺）。对读者而言，这意味着可以把“指南文本到可执行勾画计划”的转换作为独立可审阅环节纳入流程，而不是把全部信任交给端到端黑箱模型。

仍需关注几点：其一，性能依赖底层 OAR 分割模型的质量；其二，作为 LLM 系统，存在语义误读与幻觉风险，例如把某条指南条款误用到不合适的解剖情境，且无法捕捉指南文本之外的隐性临床知识，因此执行计划仍需医师审核；其三，严格依从指南得到的几何精确轮廓可能缺少医师为应对呼吸、吞咽与心脏搏动所致食管运动而手工留出的安全边界，未来需结合自适应边界策略；其四，研究限于单中心 40 例患者，多中心验证、向头颈部与宫颈癌等其他部位的扩展以及临床反馈闭环仍是待办方向。此外，本文为全文阅读，图表以文字与表格形式呈现，若需核对具体轮廓形态仍应查阅原文图 3。