放射治疗计划需要在满足临床标准的同时平衡相互竞争的目标，并兼顾医生的偏好。本文提出一种证据驱动的多代理复合AI系统，将基于深度强化学习（DRL）的自动化计划生成与基于大语言模型（LLM）的对话式计划细化相结合，专用于质子束扫描（PBS）治疗。
系统首先使用基于近端策略优化（PPO）的策略网络在无人工干预的情况下为每位患者生成多个计划。随后从中挑选一个作为目标计划，其余计划作为后续细化的参考。对于需要进一步调整的难例，LLM 多代理系统通过自然语言交互实现计划细化。系统包括：
- 规划代理：基于 Qwen3-14B，依据先前生成的计划提供证据支持的调整建议；
- 聊天机器人：提供统一的对话界面；
- 评估代理：检索临床指标并识别约束违规。
为提升领域推理能力，规划代理在任务特定数据上采用监督微调（SFT）和基于奖励的生成优化（GRPO）进行后训练。该框架在 21 例头颈部癌症患者上进行训练和评估，每例生成 5 份 PPO 计划，共计 105 份，其中选取 50 份用于指令引导的细化。实验表明，后训练的 Qwen3-14B 在指令遵循、信息检索和领域推理方面优于基础 LLM。细化后的调整更有效地提升了用户优先的目标，同时限制了竞争目标的恶化，实现了更符合临床需求的患者特异性权衡。
该复合AI系统提供了友好的计划平台，为个性化质子 PBS 治疗计划提供了有前景的解决方案。
点评