一种名为iSeg的人工智能系统正在通过自动在3D中描绘随呼吸移动的肺部肿瘤来重塑放射肿瘤学。
经过九家医院扫描数据的训练，该工具的表现与专业临床医生相当，标记出了一些医生可能忽略的癌变区域，同时能够加速治疗规划并减少致命的疏漏。
AI革新肺部肿瘤分割技术
在放射治疗中，精准度可以挽救生命。肿瘤学家必须仔细绘制肿瘤的大小和位置，然后进行高剂量辐射以摧毁癌细胞，同时保护健康组织。然而，这一称为“肿瘤分割”的过程仍需手动完成，耗时较长，且因医生而异，甚至可能导致关键肿瘤区域被忽略。
现在，西北医学科学家团队开发了一款名为iSeg的AI工具，它不仅能在CT扫描上准确勾勒出肺部肿瘤，还能识别一些医生可能遗漏的区域，这是根据一项大型新研究得出的结论。
与以往专注于静态图像的AI工具不同，iSeg是首个展示出能够随着每次呼吸分割移动肿瘤的3D深度学习工具，这对半数美国癌症患者在其病程中接受的放射治疗计划至关重要。
医生赞扬iSeg的精准优势
资深作者Mohamed Abazeed博士表示：“我们距离比十年前任何人想象的更加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，他领导的研究团队致力于开发数据驱动型工具，以个性化和改进癌症治疗，并且他是西北大学罗伯特·H·卢里综合癌症中心的成员。
这项研究于6月30日发表在《npj Precision Oncology》期刊上。
跨九家诊所的训练与验证
西北大学的科学家使用来自西北医学和克利夫兰诊所卫生系统内九家诊所的数百名肺癌患者的CT扫描和医生绘制的肿瘤轮廓对iSeg进行了训练。这远远超出了许多过去研究使用的单一医院小数据集。
经过训练后，研究人员用AI未见过的患者扫描对其进行测试，并将其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始终与专家轮廓一致。此外，它还标记了某些医生遗漏的额外区域，而这些遗漏区域如果未被处理，则与更差的结果相关。这表明iSeg可能有助于捕捉常常被忽视的高风险区域。
发现遗漏热点，标准化护理
Abazeed博士指出：“精准的肿瘤靶向是安全有效放射治疗的基础，即使是微小的目标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绘制，我们的AI工具可以帮助减少延迟，确保医院之间的公平性，并有可能识别医生可能遗漏的区域，最终改善患者护理和临床结果。”Sarkar是芬伯格的高级研究技术专家，拥有西北大学人工智能硕士学位。
快速迈向临床应用
研究团队目前正在临床环境中测试iSeg，将其性能与医生进行实时比较。他们还在整合用户反馈功能，并努力将技术扩展到其他肿瘤类型，例如肝癌、脑癌和前列腺癌。团队还计划将iSeg适应其他成像方法，包括MRI和PET扫描。
共同作者Troy Teo表示：“我们设想这将成为一个基础工具，可以标准化并增强放射肿瘤学中肿瘤靶向的方式，尤其是在缺乏亚专科专业知识的情况下。”
Teo补充道：“这项技术可以帮助支持跨机构的一致护理，我们相信临床部署可能在未来几年内实现。”
参考文献：Sagnik Sarkar、P. Troy Teo 和 Mohamed E. Abazeed，《用于放射治疗的深度学习自动化、运动解析肿瘤分割》，《npj Precision Oncology》，2025年6月30日，DOI: 10.1038/s41698-025-00970-1
(全文结束)
