基于深度学习的千伏级图像患者特异性前列腺分割技术实现无标记实时放疗监测

针对前列腺癌放疗中器官运动导致的靶区剂量不足和健康组织过量照射问题，澳大利亚研究团队开发了基于患者特异性条件生成对抗网络（cGAN）的千伏级（kV）图像前列腺分割技术。通过利用治疗前CT数据生成36,000张合成二维图像训练模型，在30例患者验证中实现AP/LAT和SI方向平均绝对偏差分别为1.4 mm和1.6 mm。该研究首次证实常规放疗系统可实现无金标植入的实时运动监测，为扩大精准放疗可及性提供新方案。

　　

在精准放疗领域，前列腺的自然运动如同一个"隐形杀手"——每次呼吸或肠道蠕动都可能导致肿瘤靶区偏离辐射野，造成剂量不足或周围敏感器官过量照射。传统解决方案是在前列腺植入金标（fiducial markers）作为影像追踪标志物，但这项侵入性操作不仅带来血尿、感染等风险，更因手术等待期使治疗延迟2-3周。更棘手的是，全球71%的放疗中心受限于资源无法开展实时图像引导自适应放疗（IGART），而现有MRI引导系统又面临高昂成本难题。

悉尼大学联合皇家北岸医院等机构的研究团队在《Communications Medicine》发表突破性研究，首次证明常规直线加速器自带的千伏级（kV）成像系统，通过深度学习技术即可实现无金标的前列腺实时追踪。该研究创新性地采用患者特异性条件生成对抗网络（cGAN），仅需利用治疗前已有的CT扫描和靶区勾画数据，就能生成适用于任意投照角度的前列腺分割模型。

关键技术包括：1）基于Reconstruction Toolkit生成36,000张数字重建影像（DRR）作为训练集，通过10 mm位移/10°旋转的数据增强模拟治疗误差；2）采用UNet生成器与PatchGAN判别器架构，以L1损失函数（λ=100）优化对抗训练；3）在SPARK和OPTIMAL两项临床试验的30例患者数据中验证，包含16例金标掩膜数据集（通过标记配准获得实时真值）和14例无金标数据集（基于CBCT刚性配准）。

条件GAN训练与回顾性验证
研究团队构建了两个互补的真值生成体系：对于金标患者，先通过亚毫米级精度的标记定位建立基准，再通过泊松噪声插值算法消除金属伪影；无金标患者则采用治疗CBCT与计划CT的刚性配准结果。这种"双保险"设计有效克服了kV图像软组织对比度低的先天缺陷，使模型在16,000张测试图像中保持稳定性能。

追踪性能
在代表临床真实场景的多中心验证中，模型展现出令人惊喜的鲁棒性：金标组在前后/侧向（AP/LAT）和头脚方向（SI）的平均绝对偏差（MAD）分别为1.4 mm和1.5 mm，与标记迁移导致的1-2 mm固有误差相当。更关键的是，Bland-Altman分析显示误差与运动幅度无相关性（Pearson系数0.113/-0.073），证明模型能平等处理各种位移情况。

分割性能
通过骰子相似系数（DSC）和平均表面距离（MSD）评估，两组患者的平均DSC均达0.91±0.04，MSD约1.7 mm。特别值得注意的是，尽管270-330°投照角度因骨盆结构导致X射线路径最长、图像质量最差，但模型仍保持0.84以上的DSC，展现出色的噪声抵抗能力。

这项研究为放疗技术民主化带来曙光：9.7小时的单病例训练时间和10毫秒的实时推理速度，使其可无缝嵌入现有放疗流程。相比需要专门植入金标的系统，该方案不仅避免额外手术风险，更关键的是使抗凝治疗等禁忌症患者也能受益于实时IGART。研究者特别指出，未来结合卡尔曼滤波等三维轨迹估计方法，可进一步将2D分割结果转化为临床可操作的3D运动数据。

局限性在于当前真值仍依赖CT轮廓的刚性假设，未能完全反映前列腺变形（文献报告平均变形0.6±1.7 mm）。团队正在探索引入生物力学模型增强数据增强策略，同时计划通过触发式成像技术提升intrafraction kV图像质量。这项技术框架的普适性已得到验证——所有采用C型臂kV成像的直线加速器（包括瓦里安、医科达等主流机型）均可部署，为肝癌、胰腺癌等其他软组织的无创追踪开辟了新道路。