本网讯 近日，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在放疗物理领域顶刊《医学物理》（Medical Physics）发表了题为“面向宫颈癌近距离放疗的基于层提示的高危临床靶区交互式分割：一项多中心研究”（Slice-prompted HR-CTV interactive segmentation for cervical cancer brachytherapy: A multi-center study）的研究成果。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，该研究提出了一种名为“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。该论文成果第一作者是湘雅医院肿瘤放疗科彭昭博士，杨振副教授为通讯作者，湘雅医院为第一作者及第一通讯作者单位。

宫颈癌是全球女性第四常见的恶性肿瘤，每年造成约34万女性死亡。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。杨振副教授团队所提方法的核心在于：医生仅需在CT图像的关键切片（通常包括HR-CTV的最上层、最下层及1–2个中间层面）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。

该研究利用了来自三家医院的1465例宫颈癌患者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，所提方法在三个独立外部测试集上的Dice相似系数分别达到0.95、0.92和0.91，显著优于现有全自动方法（0.76–0.83）；同时，最大边界误差（HD95）由7.5–11.6 mm降至2.1–3.2 mm。在临床效率方面，医生完成HR-CTV勾画的时间从平均11.7分钟和9.9分钟分别缩短至1.7分钟和1.5分钟，效率提升超过85%。此外，该方法还将不同医生间勾画的一致性由Dice系数0.88提升至0.93，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Eclipse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。

（一审：张静雪 二审：唐潇珺 三审：韩艳）