Radyoterapi Süreçleri İçin Geliştirilen Yapay Zeka Ajan Çerçevesi RadOnc-Agent Tanıtıldı

Yapay zeka modellerinin sağlık sektöründeki entegrasyonu hız kesmeden devam ederken, karmaşık tıbbi süreçlerin koordinasyonuna yönelik yeni bir mimari tanıtıldı. Caiwen Jiang ve beraberindeki beş araştırmacı tarafından geliştirilen RadOnc-Agent, radyoterapi bakım yolculuğunun tedavi karar aşamasından takip sürecine kadar olan longitudinal yani boylamsal iş akışlarını tek bir çatı altında koordine etmek üzere tasarlanmış ajan tabanlı bir yapay zeka çerçevesi olarak duyuruldu.

Radyoterapide Parçalanmışlığı Giderme Arayışı

Radyoterapi uygulamaları, bugüne kadar genellikle izole klinik aşamalarda, farklı yazılım ortamlarında ve çeşitli veri modalitelerinde yürütüldü. Bu durum, tedavi kararından planlamaya ve adaptasyona uzanan süreçte entegrasyon eksikliğine yol açıyordu. RadOnc-Agent, bu parçalanmışlığı ortadan kaldırmak amacıyla radyoterapi sürecini dört ana klinik aşamaya formalize ediyor. Sistem, kullanıcıya konuşma tabanlı bir arayüz aracılığıyla 26 farklı çağrılabilir fonksiyon sunarak heterojen araçların tek bir merkezden yönetilmesini sağlıyor.

Sistemin merkezinde yer alan büyük dil modeli kontrolcüsü, klinisyenin veya kullanıcının niyetini analiz ederek şema kısıtlı çağrılara dönüştürüyor. Hasta ve iş akışı bağlamını koruma yeteneğine sahip olan bu mekanizma, gelen talepleri en uygun uzman servislerine hatasız bir şekilde yönlendiriyor.

Kapsamlı Testler ve Performans Verileri

Araştırma ekibi, sistemin yürütme güvenilirliğini test etmek amacıyla geniş çaplı değerlendirmeler gerçekleştirdi. Değerlendirme sürecinde 2.600 tek fonksiyonlu istek (toplam 7.800 tekrar yürütme), dört aşamayı kapsayan 200 önceden belirlenmiş sentetik çapraz aşama senaryosu (600 yürütme) ve 60 anonim hasta kaydından elde edilen 120 iş akışı örneği kullanıldı.

Elde edilen sonuçlara göre RadOnc-Agent, tek fonksiyonlu yürütmelerde yüzde 98,79 oranında amaçlanan fonksiyonu seçmeyi başardı. Senaryolaştırılmış çapraz aşama iş akışlarında yüzde 96,50 tamamlama oranı yakalayan sistem, gerçek hasta verilerinden oluşan iş akışı yürütmelerinde ise yüzde 96,67 başarı oranına ulaştı.

Mimari Bileşenlerin Rolü ve Ablasyon Sonuçları

Araştırmacılar, sistemin temel yapı taşlarının ne kadar kritik olduğunu görmek için ablasyon yani bileşen çıkarma testleri de gerçekleştirdi. Yapılan analizlerde, longitudinal durum takibinin sistemden çıkarılmasının çapraz aşama tamamlama oranını yüzde 96,50'den yüzde 84,00'e düşürdüğü tespit edildi. Öte yandan, şema ve kimlik doğrulama mekanizmalarının devre dışı bırakılması durumunda, yanlış arka uç yönlendirme oranının yüzde 0'dan yüzde 95,28'e fırladığı gözlemlendi. Bu bulgular, ajan mimarilerinde sıkı bağlam ve şema denetiminin hayati önem taşıdığını kanıtladı.

Teknik Fizibilite ile Klinik Gerçeklik Arasındaki Çizgi

Günümüzde veri analitiği, yazılım testi ve kurumsal operasyonlar için geliştirilen Text2Dashboard veya AegisFlow gibi diğer ajan tabanlı yapay zeka çerçeveleri de benzer şekilde şema kısıtlı model kararları ve deterministik güvenlik denetimlerine odaklanıyor. Ancak sağlık gibi yüksek hassasiyet gerektiren alanlarda bu mimarilerin konumu dikkatle ele alınıyor.

RadOnc-Agent çalışmasının yazarları, elde edilen sonuçların LLM orkestrasyonlu bir mimarinin heterojen radyoterapi kabiliyetlerini koordine etme açısından teknik fizibilitesini net bir şekilde ortaya koyduğunu vurguluyor. Buna karşın, mevcut bulguların sistemin klinik doğruluğunu, klinik faydasını veya prospektif başarısını kanıtlamadığı, sistemin klinik ortamlarda kullanılabilmesi için ilerleyen dönemde kapsamlı klinik validasyon çalışmalarına ihtiyaç duyulduğu özellikle belirtiliyor.