The Daily Dose：放射肿瘤学中工作流集成的大语言模型自动化临床总结与试验识别系统

# 每日剂量：工作流集成的大语言模型自动化——用于放射肿瘤学临床摘要与临床试验识别

来源：https://arxiv.org/abs/2605.26346  
作者：Jason Holmes (https://arxiv.org/search/cs?searchtype=author&query=Holmes,+J), Federico Mastroleo (https://arxiv.org/search/cs?searchtype=author&query=Mastroleo,+F), Mariana Borras\-Osorio (https://arxiv.org/search/cs?searchtype=author&query=Borras-Osorio,+M), Srinivas Seetamsetty (https://arxiv.org/search/cs?searchtype=author&query=Seetamsetty,+S), Satomi Shiraishi (https://arxiv.org/search/cs?searchtype=author&query=Shiraishi,+S), Mirek Fatyga (https://arxiv.org/search/cs?searchtype=author&query=Fatyga,+M), Judy C\. Boughey (https://arxiv.org/search/cs?searchtype=author&query=Boughey,+J+C), Cornelius A\. Thiels (https://arxiv.org/search/cs?searchtype=author&query=Thiels,+C+A), William G\.Breen (https://arxiv.org/search/cs?searchtype=author&query=G.Breen,+W), Daniel J\. Ma (https://arxiv.org/search/cs?searchtype=author&query=Ma,+D+J), Daniel K\. Ebner (https://arxiv.org/search/cs?searchtype=author&query=Ebner,+D+K), David M\. Routman (https://arxiv.org/search/cs?searchtype=author&query=Routman,+D+M), Brady S\. Laughlin (https://arxiv.org/search/cs?searchtype=author&query=Laughlin,+B+S), Carlos E\. Vargas (https://arxiv.org/search/cs?searchtype=author&query=Vargas,+C+E), Samir H\. Patel (https://arxiv.org/search/cs?searchtype=author&query=Patel,+S+H), Sujay A\. Vora (https://arxiv.org/search/cs?searchtype=author&query=Vora,+S+A), Nadia N\. Laack (https://arxiv.org/search/cs?searchtype=author&query=Laack,+N+N), Andrew Y\.K\. Foong (https://arxiv.org/search/cs?searchtype=author&query=Foong,+A+Y), Wei Liu (https://arxiv.org/search/cs?searchtype=author&query=Liu,+W), Mark R\. Waddle (https://arxiv.org/search/cs?searchtype=author&query=Waddle,+M+R)

查看 PDF (https://arxiv.org/pdf/2605.26346)

> **摘要：**  
> **目的：** 描述“每日剂量”（The Daily Dose, TDD）系统的设计及其早期临床评估。该系统是一个由大语言模型驱动的自动化临床摘要与临床试验识别系统，已集成到常规放射肿瘤学实践中。  
> **设计：** 采用混合方法评估，在系统部署一个月后，进行横断面匿名临床医生问卷调查。  
> **暴露：** 每日自动发送医生定制的电子邮件摘要，内容基于RadOnc-GPT生成，包括患者日程、基于电子健康记录提取的简明临床状态摘要，以及针对新就诊或会诊患者自动识别潜在相关的临床试验。  
> **主要结局指标：** 主要结局包括自评的可用性、满意度、感知有用性、对工作流程的感知影响、时间节省以及继续使用的意愿。内部一致性信度采用Cronbach's $\alpha$ 进行评估。  
> **结果：** 在55名受访者中，52人（94.5%）从事放射肿瘤学工作，38人（69.1%）为主治医师。大多数参与者（83.6%）报告每天或每周多次使用TDD。均值（标准差）评分为：可用性和满意度3.89（1.04），感知有用性3.43（1.24），影响与未来使用3.80（1.17）（5级Likert量表）。总体满意度与感知时间节省呈正相关（$p < .001$）。参与者报告的时间节省情况各异，27%的人估计每天节省$\geq 10$分钟。问卷表现出极好的内部一致性（总体Cronbach's $\alpha = 0.97$）。

## 提交历史

来自：Jason Holmes 博士 [查看电子邮件 (https://arxiv.org/show-email/961fdff1/2605.26346)]  
**[v1]** 2026年5月25日 星期一 21:43:19 UTC (586 KB)