该文章提出了一种基于零样本大型语言模型（LLM）智能体的全自动调强放射治疗（IMRT）计划生成方案，在头颈部癌症病例中验证了其可行性，生成的计划质量媲美临床手动计划且部分指标更优。一、文章主要内容总结研究背景：放射治疗计划生成依赖人工且流程迭代，全球癌症病例增加导致规划资源紧张，现有自动规划方法（如基于知识、协议、多准则优化、强化学习）存在依赖大数据集、灵活性差等局限，亟需更通用的自动化方案。核心方法：构建LLM智能体，通过临床治疗计划系统（TPS，如Eclipse™）的API直接交互，迭代提取计划中间状态（如剂量体积直方图DVH、目标函数损失），结合算术工具和链式推理，动态调整优化约束值，且全程在零样本场景下进行（无需预训练或微调）。实验设计：以20例头颈部癌症IMRT计划为研究对象，对比LLM生成计划（采用GPT-4.1和GPT-4.1-mini，分有无优化先验两组）与临床手动计划；评估指标包括危及器官（OAR）剂量、最大剂量（Dmax）、适形指数（CI）等，采用Wilcoxon符号秩检验分析差异。关键结果：有优化先验的GPT-4.1（GPT-4.1-WP）表现最优，OAR保护与临床计划相当，热点控制更优（Dmax：106.5% vs 108.8%），适形性更好（PTVboost的CI：1.18 vs 1.39；PTVprimary的CI：1.82 vs 1.88）。无优化先验时，LLM生成计划的OAR剂量显著升高，计划质量下