《Technical Innovations & Patient Support in Radiation Oncology》：AI-driven troubleshooting for TrueBeam systems: Development and testing of a GPT-4.1 Chatbot
编辑推荐：
目的：在患者护理过程中对线性加速器（linear accelerator, linac）故障进行排除具有时间紧迫性和高认知负荷。相关历史信息的获取通常缓慢且依赖经验。为简化信息检索并支持决策，研究人员开发并测试了一种由大型语言模型（large language
目的：在患者护理过程中对线性加速器（linear accelerator, linac）故障进行排除具有时间紧迫性和高认知负荷。相关历史信息的获取通常缓慢且依赖经验。为简化信息检索并支持决策，研究人员开发并测试了一种由大型语言模型（large language model, LLM）驱动的TrueBeam故障排除聊天机器人。
方法：从内部数据库中提取了五台TrueBeam linac八年的故障排除记录。在去除非UTF-8字符并规范化格式后，每个问题被存储为结构化文本文件以便检索。文件在基于GPT-4.1的环境中进行索引，参数（如温度、检索块数）经过迭代调整。使用涵盖回忆、实时故障排除、聚合、安全性和时间过滤等领域的标准化问题评估性能。四名物理学家使用预定义评分标准对响应进行评分。
结果：总共索引了1394条日志（5.4 MB），索引完成耗时16分钟。平均响应时间为7.5 ± 2.5秒。聊天机器人在检索先前事件、总结机构经验以及识别信息缺失方面表现良好。性能对温度和块数基本不敏感，除非检索严重受限。缺点包括偶尔的程序顺序错误、物理学家与服务人员之间责任不明确、冗长以及时间过滤不一致。
结论：基于GPT-4.1的检索增强生成（retrieval-augmented generation, RAG）聊天机器人能够快速呈现相关的机构知识用于linac故障排除，并可能减少机器故障时的认知负担。然而，仍存在重要的安全和工作流程风险。此类系统应作为决策支持工具，并在广泛临床部署前需要明确的防护措施、角色定义和正式的风险评估。
**论文解读：基于GPT-4.1的TrueBeam系统故障排除聊天机器人的开发与测试**
**研究背景与问题**
在放射肿瘤学中，线性加速器（linear accelerator, linac）的意外故障是持续性挑战，直接导致治疗延迟、中断、工作流程混乱，并增加患者和工作人员的压力。AAPM任务组314提供了linac故障管理的结构化指南，强调角色定义、文档记录和安全恢复流程。然而，许多中心的故障排除仍高度依赖人工和经验，需要解读模糊的错误代码并回顾异构机器日志，这种模式难以扩展，易受人员流动和知识流失影响，且对间歇性或罕见故障处理不足。近期工业领域的研究表明，会话式人工智能（artificial intelligence, AI）工具可改善诊断准确率并减少初始故障排除时间，但其在放射肿瘤学中的应用潜力尚待验证。历史机器日志虽包含丰富的机构知识，但由于数据量大、异构性强而未被充分利用。基于此，研究人员开发并评估了一种基于检索增强生成（retrieval-augmented generation, RAG）架构的机器故障排除聊天机器人，旨在通过将大型语言模型（large language model, LLM）与经过筛选的历史日志知识库结合，实现实时故障排除辅助。该研究论文发表在《Technical Innovations》。
**主要技术方法**
研究人员从五台TrueBeam linac的八年历史故障排除日志中提取数据，来源为内部遗留数据库，共获取1394条记录（5.44 MB）。通过自定义Python网络爬虫自动化提取，并去除非UTF-8字符、规范化格式。每个问题被存储为独立的结构化文本文件，以确保检索时事件隔离。文件在基于GPT-4.1的U-M Maizey环境中索引，并迭代调整系统提示、温度参数（设为0.4）和每次响应检索的块数（固定为40），以平衡准确性与响应速度。性能评估采用10个标准化问题，涵盖历史事件回忆、实时故障排除、聚合统计、安全与政策、时间过滤等维度，由四名物理学家使用预定义评分标准进行评分。
**研究结果**
- **数据收集**：自定义Python网络爬虫从五台TrueBeam系统提取了1394条问题日志，平均每台机器提取时间约15分钟，最终数据集为5.44 MB文本。
- **数据格式化与模型索引**：将每个问题存储为独立结构化文本文件，较短的单个文件（<1000字符）作为单块索引，较长的文件分割为多个1000字符块。索引耗时16.11 ± 0.52分钟，且索引时间与温度或检索块数无显著相关性（Pearson r < 0.3）。
- **模型参数选择与测试**：平均响应时间为7.50 ± 2.50秒，最大14.44秒。温度设为0.4时平衡了用户查询解释与历史问题检索的准确性，每次响应检索40个块。除单块配置效果显著较差外，温度和块数对响应质量评分影响较小。
- **模型性能优势**：在跨多条日志的历史事件回忆和识别超出数据范围的查询方面表现良好，响应准确且可操作。
- **模型缺陷**：安全评分较低，主要因责任方（现场服务工程师、物理学家或设施人员）不明确；有限的时间过滤能力，无法一致地按日期范围检索或识别最新日志；存在程序顺序错误、冗余步骤、幻觉（hallucination）——生成不基于检索数据的错误信息，如错误建议CBCT空气归一化在刀片校准或IsoCal之前；角色混淆，如将QA验证与校准混为一谈；响应冗长，倾向于回忆邻近日志而非全面检索。
**讨论与结论**
讨论部分指出，从遗留数据库提取数据是首要挑战，后期数据格式化对RAG模型成功索引至关重要，包括去除非UTF-8字符和独立存储每个日志文件。模型局限性包括程序顺序错误、安全步骤遗漏、角色模糊及幻觉，这些错误可能导致无效校准、浪费停机时间或增加人员风险。安全措施不足，如建议进入服务模式或发射束流时未明确确认患者已移除，应通过修改模型提示包含常识性安全步骤，并在部署前进行失效模式与影响分析（failure mode and effects analysis, FMEA）。
研究结论部分翻译如下：
这项研究证明了使用检索增强生成（RAG）架构结合机构特定历史机器日志来支持线性加速器故障排除的可行性。通过将响应基于可验证的先前事件，基于GPT-4.1的故障排除聊天机器人能够在临床可接受的响应时间内快速总结相关机构经验并提供情境感知指导。早期部署表明，此类工具可能增强对机构记忆的访问，减少高压故障场景下的认知负荷，并促进临床工作人员之间更一致的故障排除工作流程。
同时，该研究强调了在广泛临床采用前必须解决的关键局限性。程序顺序、安全遗漏、角色模糊以及偶尔的幻觉或过时指导等问题，凸显了明确安全防护、结构化程序层次和清晰升级规则的必要性。RAG工具应作为决策支持辅助设施，而非权威来源，补充而非替代现有的故障管理框架（如AAPM任务组314）。通过精心设计、持续验证和正式风险分析，AI驱动的故障排除助手最终可能支持更安全、更高效的临床运营，提高linac正常运行时间。
