近日，北京大學(xué)第一醫(yī)院放射治療科李洪振教授團隊在《科學(xué)通報》發(fā)表了題為“人工智能在前列腺癌放射治療中的應(yīng)用現(xiàn)狀與展望”的綜述文章，系統(tǒng)性地總結(jié)了人工智能（AI）在前列腺癌放療全流程中的最新研究進展，重點闡述了AI在臨床決策、計劃設(shè)計、放療實施及預(yù)后管理等關(guān)鍵環(huán)節(jié)的應(yīng)用進展，并針對當(dāng)前面臨的挑戰(zhàn)提出了未來發(fā)展方向，旨在為構(gòu)建更高效、精準(zhǔn)、安全的智能化放療體系提供理論參考。

前列腺癌作為全球男性泌尿生殖系統(tǒng)發(fā)病率極高的惡性腫瘤，2022年全球新確診病例約150萬例。在我國，隨著人口老齡化進程加劇，前列腺癌發(fā)病率持續(xù)上升，已嚴(yán)重威脅中老年男性的生命健康。放射治療是一種有效的前列腺癌根治手段，但其物理計劃的復(fù)雜性及生物效應(yīng)的異質(zhì)性，對臨床操作的精準(zhǔn)度提出了嚴(yán)苛要求。然而，傳統(tǒng)放療流程仍面臨著臨床決策不一致、質(zhì)控標(biāo)準(zhǔn)缺乏統(tǒng)一規(guī)范、治療流程運轉(zhuǎn)效率低等問題。近年來，以機器學(xué)習(xí)和深度學(xué)習(xí)為代表的AI技術(shù)在醫(yī)學(xué)影像處理與大數(shù)據(jù)分析領(lǐng)域取得突破，為前列腺癌放療的范式變革提供了核心支撐。

文章首先論述了AI在腫瘤分層診斷與放療決策中的輔助價值（圖1）。準(zhǔn)確的分層診斷是制定個體化方案的基礎(chǔ)。文章指出，結(jié)合多模態(tài)影像組學(xué)的深度學(xué)習(xí)模型能夠有效提取肉眼難以識別的病灶特征。通過提取T2加權(quán)成像、表觀彌散系數(shù)圖及彌散峰度成像中的組學(xué)特征，利用Lasso回歸等方法構(gòu)建的人工智能模型在預(yù)測Decipher評分及Gleason評分方面展現(xiàn)出較好的預(yù)測性能，AUC分別達到0.84和0.72。在淋巴結(jié)轉(zhuǎn)移預(yù)測方面，融合PSMA PET-CT圖像與臨床特征的多模態(tài)模型的平均預(yù)測準(zhǔn)確率達85%，顯著優(yōu)于五位放療科醫(yī)師的平均診斷水平。此外，基于隨機森林算法的輔助決策平臺（如askMUSIC）通過整合大規(guī)模病例數(shù)據(jù)，為新確診患者提供更具循證醫(yī)學(xué)依據(jù)的治療路徑評估，有效優(yōu)化了醫(yī)療資源的臨床配置。

圖1人工智能在前列腺癌放療中的應(yīng)用范式：分層診斷與決策優(yōu)化

在放療計劃設(shè)計環(huán)節(jié)，AI自動勾畫技術(shù)已展現(xiàn)出巨大的臨床價值。相比傳統(tǒng)人工勾畫1~2小時的耗時，AI模型可在數(shù)分鐘內(nèi)完成靶區(qū)與危及器官的勾畫，并提高勾畫一致性。針對CT影像軟組織對比度差的問題，文章介紹了一種基于U-Net架構(gòu)的深度學(xué)習(xí)模型。該模型無需融合MRI，即可在CT上清晰辨識前列腺與直腸交界等復(fù)雜結(jié)構(gòu)。同時，基于深度強化學(xué)習(xí)（DRL）的自動計劃系統(tǒng)能模擬物理師操作，生成劑量分布更優(yōu)的放療計劃，顯著縮短了計劃設(shè)計耗時。

放療實施過程中的動態(tài)監(jiān)測是確保治療增益的關(guān)鍵。在前列腺癌在線自適應(yīng)放療中引入AI技術(shù)，能將自適應(yīng)調(diào)整時間從9.8分鐘壓縮至5.3分鐘，大大提高了自適應(yīng)放療效率。同時，AI模型可通過實時追蹤前列腺運動，以確保射束始終精準(zhǔn)覆蓋靶區(qū)并最大限度保護周圍正常組織。此外，AI模型還能預(yù)測膀胱充盈狀態(tài)，有效減少因重復(fù)CBCT掃描帶來的額外輻射暴露。

在預(yù)后管理方面，AI通過提取影像組學(xué)、劑量組學(xué)及基因組學(xué)特征，構(gòu)建出更精準(zhǔn)的復(fù)發(fā)風(fēng)險與毒副反應(yīng)（如直腸出血、尿頻）預(yù)測模型。此外，大語言模型（LLM）正成為患者教育的新工具，能提供得到醫(yī)生認(rèn)可的疾病知識解答，改善患者的診療參與度。

盡管AI在前列腺癌放療領(lǐng)域潛力巨大，但文章也指出了其未來發(fā)展所面臨的嚴(yán)峻挑戰(zhàn)。首先是數(shù)據(jù)的異質(zhì)性問題，不同醫(yī)療中心的設(shè)備與勾畫習(xí)慣差異限制了模型的泛化能力。其次，深度學(xué)習(xí)模型的決策過程缺乏透明度，限制了醫(yī)師的信任度。此外，涉及隱私的醫(yī)療數(shù)據(jù)流通困難，制約了大樣本標(biāo)準(zhǔn)化數(shù)據(jù)庫的建立。針對上述瓶頸，文章對未來方向進行了展望，強調(diào)應(yīng)推動多中心協(xié)作，制定統(tǒng)一的數(shù)據(jù)標(biāo)準(zhǔn)，并利用聯(lián)邦學(xué)習(xí)、同態(tài)加密等技術(shù)實現(xiàn)跨機構(gòu)協(xié)同訓(xùn)練。同時，發(fā)展可解釋性人工智能（XAI）可通過注意力機制等手段展示模型決策依據(jù)，或?qū)⒊蔀槲磥硌芯康闹攸c。不僅如此，還需建立完善的醫(yī)學(xué)專家審核機制與倫理監(jiān)管框架，以確保AI應(yīng)用的安全性。

北京大學(xué)第一醫(yī)院放射治療科李洪振教授為本文的通訊作者，在讀博士生彭清華為本文的第一作者。亓昕教授、曹俊燕教授為綜述梳理、構(gòu)思及文章校對提供了幫助。相關(guān)研究得到了?都衛(wèi)生發(fā)展科研專項(2024-2-4075)、中央高水平醫(yī)院臨床研究建設(shè)項目(2023IR20，2024CX21)、國家科技重大專項(2023ZD0511300)和北京大學(xué)世紀(jì)金源騰云臨床研究專項(TY2025001)的資助。該綜述不僅系統(tǒng)展示了AI 在前列腺癌放療中的前沿技術(shù)，也為未來人工智能技術(shù)在腫瘤放療中的深度融合與應(yīng)用轉(zhuǎn)化提供了重要指引。

文章信息

彭清華，亓昕，曹俊燕，等.人工智能在前列腺癌放射治療中的應(yīng)用現(xiàn)狀與展望. 科學(xué)通報, 2026.

https://www.sciengine.com/doi/10.1360/CSB-2025-5671.

《科學(xué)通報》是中國科學(xué)院主管、中國科學(xué)院和國家自然科學(xué)基金委員會共同主辦的綜合性中文學(xué)術(shù)期刊，致力于快速報道自然科學(xué)各學(xué)科基礎(chǔ)理論和應(yīng)用研究的最新研究動態(tài)、消息、進展, 點評研究動態(tài)和學(xué)科發(fā)展趨勢。

• 旬刊，每10天出版1期；

• 欄目：進展、評述、快訊、論文、觀點、科技前沿、科學(xué)訪談、亮點述評、悅讀科學(xué)等；

• 中國科學(xué)院文獻情報中心分區(qū)表綜合性大類1區(qū)TOP期刊；

• 中國科技期刊卓越行動計劃領(lǐng)軍期刊；

• 《中國科技論文與引文數(shù)據(jù)庫》和《中國科學(xué)引文數(shù)據(jù)庫》的源期刊，同時被EI、ESCI和Scopus等收錄；

• 期刊官網(wǎng)：http://csb.scichina.com.

轉(zhuǎn)載、投稿請留言

| 關(guān)注科學(xué)通報 | 了解科學(xué)前沿