放療方案不用苦熬數小時，人工智能一鍵高效出精品！近日，中山大學腫瘤防治中心孫穎、周冠群團隊在國際權威期刊《類生命系統》（Cyborg and Bionic Systems）發表重要研究成果。該研究針對一站式（All-in-one）在線放療中如何實現既“保質”又“高效”的計劃設計這一核心瓶頸，構建并系統驗證了一套面向鼻咽癌的AI自動計劃模型（點擊文末閱讀原文查看）。該研究基于大規模臨床數據開展模型迭代優化，并通過多中心回顧性評估及真實世界前瞻性臨床應用驗證，實現了在3.5分鐘內穩定生成高質量的放療計劃的核心突破。

啃下“硬骨頭”，鼻咽癌放療計劃設計的困境

在腫瘤放療臨床領域，一站式在線放療將模擬定位，靶區勾畫，計劃設計與治療整合為一個在線工作流，使患者放療等待時間從2-3周縮短為30分鐘，極大程度降低了患者治療等待期間解剖變化導致的放療誤差。可鼻咽癌卻一直是放療界公認的“硬骨頭”！該病癥病灶周邊解剖結構錯綜復雜，放療約束標準嚴苛，是臨床里最難制定放療計劃的病種。在臨床實踐中，通常通過長時間的人工反復調節與優化來進行計劃設計，尤其在復雜病例中，往往需要數小時甚至數天才能完成滿意方案。此外，手工計劃質量高度依賴物理師經驗，不同操作者、不同中心間存在顯著個體差異，影響計劃質量的一致性與可復制性。如何滿足在線工作流對“速度”和“質量”的雙重要求，是當前面臨的核心痛點。

為了解決當前問題，研究團隊建立了基于AI的鼻咽癌自動計劃流程。效率層面，通過AI自動優化策略實現快速計劃生成，顯著縮短人工反復調參時間；質量層面，通過AI模型驅動的理想劑量分布預測與標準化優化路徑，確保計劃輸出的計劃質量和一致性。

透明迭代路徑，監督AI計劃模型精準進化

經過全方位技術優化升級后，這套 AI 智能放療模型迎來實力蛻變！依托高效運算模塊與智能加速技術，如今僅需3.5 分鐘，就能快速產出一份高標準、高質量的鼻咽癌放療計劃，徹底告別人工反復調試的繁瑣流程。AI自動計劃模型歷經4個版本的系統性迭代開發，逐步攻克了計劃質量、魯棒性與計算效率三大核心挑戰。

圖1 AI自動計劃模型的迭代架構與技術演進

V1（基線模型）：構建以CAD-3DUNet為核心的劑量預測網絡，結合多維度計劃質量調整策略，實現基本自動計劃生成，接受率達60%。

V2（質量優化）：引入標簽引導的Pareto最優劑量分布選擇機制，以及基于優先級的硬約束控制策略，實現靶區覆蓋與危及器官保護之間的智能權衡，一次優化計劃效果接受率提升至80%。

V3（復雜病例攻堅）：針對T4期高難度病例專項強化——引入分位數損失函數提升預測魯棒性，擴充50例T4期訓練數據，并以隨機平臺優化（SPO）替換傳統FMO算法，改善劑量適形度與均勻性。

V4（效率提升）：面向在線工作流的計算提速改造——部署CT-MCDL模塊實現快速蒙特卡洛劑量估算，引入CPU并行優化與GPU加速劑量計算，將平均優化時間從15至18分鐘大幅壓縮至3.5分鐘，正式具備實時臨床部署能力。

AI自動計劃模型的性能演進

以“臨床需求驅動—算法迭代—提升量化”為主線，每一版本改進均對應明確的臨床問題并經標準化指標驗證，形成透明可解釋的演進路徑。該“研發-驗證”框架可直接遷移至其他病種或AI輔助放療任務，為智能放療系統的規范化研發與系統評估提供參考范本。

臨床三層驗證，確保AI計劃模型可靠落地

第一層：5中心回顧性基準測試

研究納入來自訓練中心以及4家外部獨立中心的共計245例患者，覆蓋T1至T4各分期，系統評估AI自動計劃計劃模型的跨中心泛化能力。

圖3 AI自動計劃與人工計劃在四個外部驗證中心之間的劑量學比較

AI計劃在劑量分布上不僅展示出優于或不劣于各中心專家人工計劃的質量，還具有更高的穩定性與一致性。模型在未經本地數據微調的前提下，跨越不同成像協議、勾畫習慣與劑量處方方案實現穩定運行，為后續多機構快速推廣應用提供了關鍵可行性依據。

第二層：全球最大規模前瞻性臨床驗證

隨后，本研究前瞻性連續納入242例接受一站式在線放射治療的鼻咽癌患者，在真實臨床環境下全面評估自動計劃系統的臨床可行性與實用性。研究設計符合真實世界研究核心標準，所得結論直接反映AI計劃系統的日常臨床實際表現，代表目前該領域最高級別的前瞻性真實世界循證證據。

前瞻性隊列研究的結果統計

前瞻性隊列中，自動計劃的各靶區平均覆蓋率均超過99%，各危及器官受量均控制在臨床限值以內，單次優化臨床接受率約為95%，計劃質量的穩定有效降低了物理師與醫師的工作負荷，為高患者容量放療機構的規?；\營提供可量化的效率支撐。平均計劃生成時間為3.5分鐘，計劃效率的提高縮短了流程等待時間，直接降低分次內運動風險，從源頭保障劑量投照精度。

第三層：雙重劑量驗證

所有計劃均通過兩級劑量質量保證體系：在3%/3mm標準下第三方算法獨立劑量驗算的Gamma通過率達99.95%，EPID in vivo在體實時劑量驗證的Gamma通過率達98.53%。雙重劑量驗證確保了AI自動計劃計算劑量分布的可靠性以及計劃的高度可執行性。

中山大學腫瘤防治中心的孫穎教授、周冠群主任醫師，以及浙江省腫瘤醫院姜鋒教授為該論文的共同通訊作者，中山大學腫瘤防治中心的王光宇物理師、楊鑫副研究員，以及湖南省腫瘤醫院倪千喜教授為共同第一作者。

主要研究者簡介：

通訊作者：孫穎 教授

中山大學腫瘤防治中心副主任、副院長，二級教授，國家重大人才工程入選者、享受政府特殊津貼專家、人社部國家百千萬人才工程“有突出貢獻中青年專家”、科技部創新人才推進計劃-中青年科技創新領軍人才。2026“全國五一勞動獎章”獲得者?，F任中國抗癌協會第九屆理事會理事，中國臨床腫瘤學會（CSCO）鼻咽癌專委會副主任委員，中國抗癌協會腫瘤大數據與真實世界研究專委會副主任委員等職。作為聯合主席牽頭制定了《中國-美國臨床腫瘤學會鼻咽癌臨床診治國際指南》；近5年來，作為通訊/一作（含共同）發表高水平論著50余篇，包括Nature、N Engl J Med、Lancet、JAMA、BMJ、Nat Med、Cancer Cell、Lancet Oncol、JCO、Radiology、Nat Commun等；主持國家重點研發計劃項目1項、國自然重大研究計劃重點支持項目1項、國自然數學天元基金數學與醫療健康交叉重點專項1項及國自然基金面上項目4項；發明專利已授權15項，轉讓5項；作為主要完成人之一獲國家科技進步二等獎3項，省部級科技獎一等獎8項。

通訊作者：周冠群 主任醫師

中山大學腫瘤防治中心放療科主任醫師、博士生導師。擅長鼻咽癌、喉癌、下咽癌等頭頸部惡性腫瘤的放療。主要研究方向為鼻咽癌的個體化治療和正常組織損傷。第一或共同第一作者發表SCI論文40余篇，包括Nature Medicine、Cancer Cell, Lancet Oncol、Nat Commun兩篇、Clin Cancer Res兩篇、Int J Radia Oncol Bio Phys三篇等。主持國家重點研發計劃課題，國家自然科學基金聯合專項，國家自然科學基金青年項目，廣東省自然科學基金面上項目，廣東省青年提升項目等項目。獲得2014年“中華醫學科技獎一等獎”，2014年“廣東省科技進步一等獎”和2014年“教育部科學技術進步一等獎”。

第一作者：王光宇 物理師

中山大學腫瘤防治中心放療科物理師。主要從事放射治療計劃設計、質控等工作，致力于精準放射治療物理與技術的研究與應用。主持國家自然科學基金青年科學基金項目，參與國家重點研發計劃項目，國自然專項項目，廣東省自然科學基金面上項目等多個項目。參與起草NCC/T-RT指南1項，參編人民衛生出版社“醫學+X”新醫科系列教材《精準放療質控與數理融合創新教程》。以第一作者在 Cyborg and Bionic Systems、Medical Physics、Radiation Oncology 等國際期刊發表SCI論文5篇，國內外共發表學術論文二十余篇，獲批國家發明專利2項。作為核心成員參與的項目，獲“創青春”第二屆全國衛生健康行業青年創新大賽金獎、2025全國顛覆性技術創新大賽優勝獎。獲2025年第一季度“Wiley威立中國高貢獻作者獎”。

來源：中山大學腫瘤防治中心訂閱號

免責聲明：本公眾號旨在為醫療衛生專業人士提供腫瘤領域資訊參考，促進專業交流。內容僅供信息交流，不可替代專業醫療指導，亦非診療建議。 據此操作，風險自擔。轉載內容均已標注來源及作者。如有版權問題，請留言聯系，我們將及時處理。