在放射治疗中，精准性可以挽救生命。肿瘤学家在进行高剂量辐射以摧毁癌细胞的同时，必须仔细绘制肿瘤的大小和位置，以保护健康组织。然而，这一被称为“肿瘤分割”的过程目前仍需手动完成，不仅耗时且因医生而异，还可能导致关键肿瘤区域被忽略。
现在，西北大学医学院的一组科学家开发出一种名为iSeg的AI工具，它不仅能在CT扫描中准确描绘肺癌肿瘤，达到与医生相同的水准，还能识别出一些医生可能遗漏的区域。这项大型新研究表明，iSeg的表现令人瞩目。
与以往专注于静态图像的AI工具不同，iSeg是首个能够对随呼吸移动的肿瘤进行分割的3D深度学习工具，这是规划放射治疗的关键因素，因为约一半的美国癌症患者在患病期间会接受放射治疗。
资深作者Mohamed Abazeed博士表示：“我们离实现比十年前任何人都想象的更为精准的癌症治疗又近了一步。”Abazeed博士是西北大学芬伯格医学院放射肿瘤学系主任兼教授，他领导着一个研究团队，致力于开发数据驱动型工具，以个性化并改善癌症治疗，并且他是西北大学罗伯特·H·卢里综合癌症中心的成员。
该研究将于2025年6月30日发表在《npj Precision Oncology》期刊上。
iSeg的构建与测试
西北大学的科学家利用数百名肺癌患者的CT扫描影像和医生手工绘制的肿瘤轮廓训练了iSeg，这些数据来自西北医学和克利夫兰诊所健康系统内的九家诊所。这远远超过了过去许多研究中使用的单一医院的小型数据集。
经过训练后，研究人员用iSeg未见过的患者扫描进行了测试，并将其描绘的肿瘤轮廓与医生绘制的轮廓进行比较。研究发现，iSeg在不同医院和扫描类型之间均能与专家绘制的轮廓保持一致。此外，它还能标记出一些医生遗漏的区域，而这些遗漏区域若未经处理，往往与较差的预后相关。这表明iSeg可能有助于捕捉通常被忽视的高风险区域。
Abazeed博士指出：“精准的肿瘤靶向是安全有效放射治疗的基础，即使是微小的靶向误差也可能影响肿瘤控制或导致不必要的毒性。”
第一作者Sagnik Sarkar补充道：“通过自动化和标准化肿瘤轮廓描绘，我们的AI工具可以帮助减少延迟、确保不同医院间的公平性，并有可能识别医生可能忽略的区域，最终改善患者护理和临床结果。”Sarkar是芬伯格高级研究技术员，拥有西北大学的人工智能硕士学位。
临床部署可能“在未来几年内”实现
研究团队目前正在临床环境中测试iSeg，实时比较其与医生的表现。他们还在整合用户反馈功能，并努力将该技术扩展到其他类型的肿瘤，例如肝癌、脑癌和前列腺癌。团队还计划将iSeg适配到其他成像方法，包括MRI和PET扫描。
共同作者Troy Teo表示：“我们设想这将成为一种基础工具，可以标准化并增强放射肿瘤学中的肿瘤靶向能力，特别是在缺乏亚专科专业知识的情况下。”Teo是芬伯格放射肿瘤学系讲师。
“这项技术可以帮助支持机构间更加一致的护理，我们相信临床部署可能在未来几年内实现，”Teo补充道。
(全文结束)
