宫颈癌放疗靶区勾画效率精度双提升

针对CT引导宫颈癌三维近距离放疗高危临床靶区（HR-CTV）人工勾画费时、一致性差等问题，中南大学湘雅医院放疗科放疗技术中心主任杨振副教授团队提出了一种名为“层提示式交互分割”的深度学习方法，显著提升了HR-CTV的勾画效率与精度。相关研究论文近日刊发在国际期刊《医学物理》上。

宫颈癌是全球女性第四常见的恶性肿瘤，每年导致约34万名女性死亡。近距离放疗是局部晚期宫颈癌根治性治疗的关键组成部分，而HR-CTV的精准勾画直接关系到放疗剂量能否有效覆盖肿瘤并保护周围正常组织。然而，传统人工逐层勾画方式耗时长（平均10—12分钟/例），效率低，且高度依赖医生经验，不同医师间的勾画一致性较差。杨振团队所提方法的核心在于：医生仅需对CT图像的关键切片进行简单勾画，系统即可基于这些稀疏提示，利用深度学习模型自动生成完整、精确的三维靶区轮廓。

该研究利用来自3家医院的1465名宫颈癌患者的CT数据进行训练与验证。结果显示，在仅提供3个提示切片的情况下，该方法勾画精度显著优于现有全自动方法。在临床效率方面，医生完成HR-CTV勾画的时间从平均9.9—11.7分钟缩短至1.5—1.7分钟，效率提升超过85%。此外，该方法提高了不同医生间勾画的一致性，有助于推动临床操作的标准化。

为加速成果转化，研究团队已将该方法集成至临床常用的放疗计划系统，开发为可直接使用的插件工具。临床医生在现有工作流程中仅需勾画2—3个关键切片，点击“智能分割”按钮，系统即可在最长6.4秒内生成完整的HR-CTV三维轮廓，极大简化了操作流程。

据《健康报》