RadOnc-Agent：用大模型编排放疗全流程AI工作流

当AI能力被困在孤岛里

人工智能已经在放射治疗的各个单项任务上取得长足进展——从靶区勾画、剂量计划生成到疗效预测，几乎每一个环节都有专门的模型。但一个尴尬的现实是：这些能力彼此割裂，分散在不同的临床阶段、软件环境和数据模态中。

放射治疗本质上是一条纵向的、连续的护理路径：从治疗决策开始，经过方案设计、执行，一直延伸到随访。模型各自为战的碎片化状态，与这条连贯的临床工作流形成了鲜明反差。医生在实际工作中需要在多个系统间反复切换，手动传递患者上下文，这既低效也容易出错。

arXiv 最新论文提出的 RadOnc-Agent，正是针对这一痛点的系统性尝试。它不是又一个单点模型，而是一个用大语言模型（LLM）作为调度核心的智能体框架（agentic framework），目标是把分散的放疗AI能力串联成一条可协同的流水线。

四个临床阶段，26个可调用函数

RadOnc-Agent 的核心设计思路是把放射治疗流程形式化为四个临床阶段，并通过对话式界面提供 26 个可调用函数。

整个系统的中枢是一个大语言模型控制器（LLM controller），它承担三项关键职责：

• 意图映射：将临床医生用自然语言表达的意图，映射为受模式约束（schema-constrained）的函数调用，确保调用参数合法、结构规范；
• 上下文保持：在整个纵向工作流中保留患者信息与工作流状态，让后续步骤能够基于前序结果继续推进；
• 请求路由：把具体请求分发给对应的专科服务（specialist services）。

这种架构的巧妙之处在于，它把LLM定位为"编排者"而非"执行者"。模型负责理解和调度，真正的专业计算仍交由各自领域的专科模块完成。这既发挥了大模型在语言理解和任务规划上的优势，又规避了让通用模型直接处理高风险医学计算的隐患。

**智能体框架（Agentic Framework）**是近年大语言模型应用的重要范式转变。与传统的单次问答不同，智能体框架允许LLM通过"工具调用"（function/tool calling）的方式与外部系统交互：模型接收用户指令后，自主决定调用哪些工具、以什么顺序调用、如何利用中间结果推进下一步。这种设计使LLM从"回答问题的语言模型"升级为"能够执行多步骤任务的调度大脑"。在医疗场景中，这意味着临床医生可以用自然语言描述需求，由模型自动拆解任务、调用相应的专科计算模块（如剂量计算引擎、影像分割模型），而无需手动在多个系统间切换。Schema约束（模式约束）则是其中的安全机制：通过预先定义每个函数的合法参数格式，强制LLM生成的函数调用符合规范，防止因模型"幻觉"产生非法参数而触发错误操作。

三层评估：从单函数到真实病例

论文的评估设计相当扎实，分为三个递进的层次，覆盖了从原子操作到完整临床场景的全链路。

单函数执行

研究团队使用 2,600 个单函数请求（共 7,800 次重复执行）测试系统能否正确选择目标函数。结果显示，RadOnc-Agent 在 98.79% 的单函数执行中选中了预期函数。这个数字证明了意图识别和函数路由的基础能力相当可靠。

跨阶段合成场景

接下来是 200 个预设的合成跨阶段场景，横跨四个临床阶段（共 600 次执行）。系统完成了 96.50% 的脚本化跨阶段工作流，说明它在多步骤、跨阶段的任务协同上也能保持高完成率。

真实患者工作流

最具说服力的是基于 60 份去标识化患者记录构建的 120 个工作流实例（360 次干净执行），覆盖"决策到计划"和"计划到自适应"两类典型流程。RadOnc-Agent 完成了 96.67% 的真实病例工作流执行——这表明框架不仅在理想化的合成数据上有效，在接近真实临床的复杂情境下同样稳健。

消融实验揭示的两个关键设计

论文最有价值的部分，是通过对比消融实验（ablation）验证了两个架构设计的不可或缺性。

纵向状态保持的重要性：当移除纵向状态（longitudinal state）后，跨阶段工作流的完成率从 96.50% 骤降至 84.00%。这个超过12个百分点的下滑，直接证明了在连续工作流中保持患者和流程上下文的价值。没有记忆的智能体，无法胜任放疗这种阶段高度耦合的任务。

模式与身份验证的安全意义：当禁用模式约束和身份验证后，在回放/测试评估中，错误后端分发率从 0% 飙升到 95.28%。换句话说，如果没有这层校验机制，系统几乎总会把请求发错地方。在医疗场景下，这种错误分发可能带来严重后果，这也凸显了schema约束不只是工程细节，而是安全底线。

**消融实验（Ablation Study）**是机器学习研究中验证各模块贡献的标准方法：逐一"切除"系统的某个组件，观察性能变化，从而量化该组件的实际作用。这种方法比单纯报告整体性能更具说服力——如果移除某模块后性能大幅下滑，就能以数据直接证明该设计的必要性，而非停留在直觉判断。RadOnc-Agent的消融实验针对两个最核心的架构选择：纵向状态管理与schema/身份验证机制。前者的12个百分点下滑揭示了"有记忆"与"无记忆"智能体在多阶段任务上的本质差距；后者近乎灾难性的95%错误分发率，则将一个看似工程细节的校验层，明确定性为医疗安全的关键防线。

技术可行性，但远非临床可用

论文的结论措辞非常克制，值得特别强调。研究者明确指出：这些发现确立的是LLM编排架构在协调异构放疗能力与信息方面的技术可行性，但并未证明其临床正确性、临床实用性或前瞻性获益。

这是一种难能可贵的科研诚实。高达96%以上的工作流完成率，衡量的是"系统能否按预期跑通流程"，而不是"系统给出的医学判断是否正确、是否真能改善患者结局"。从工程可行性到临床价值之间，还隔着严格的前瞻性临床验证这道鸿沟。

对整个医疗AI领域而言，RadOnc-Agent 提供了一个有参考价值的范式：用大模型做顶层编排，用专科模块做底层执行，用严格的schema约束和状态管理保障安全与连贯性。这种"编排式智能体"的思路，或许比追求一个无所不能的大模型，更贴近医疗这类高风险、强流程、重上下文的真实需求。

结语

RadOnc-Agent 把放射治疗这条冗长而割裂的护理路径，重新组织成一个由大模型统一调度的协同系统。它在单函数选择、跨阶段协同和真实病例执行上都展现了高完成率，并通过消融实验证明了纵向状态与安全校验的核心作用。

不过，技术跑通只是起点。能否真正走进临床、改善患者的治疗结果，仍需后续严谨的临床研究来回答。这篇论文的分寸感，恰恰为浮躁的医疗AI热潮提供了一份理性参照。