机器学习结合PETCT精准预测前列腺癌放疗剂量

近日，在英国洛杉矶举办的美国核医学与分子影像学会（SNMMI）2026年学术会议上，一项关于前列腺癌放射性配体疗法（RLT）的创新研究引发关注。研究团队证实，将治疗前的18F-PSMA正电子发射断层扫描/计算机断层扫描（PET/CT）数据与机器学习算法相结合，能够在实施177Lu-PSMA核素治疗前，精准预测患者体内的辐射剂量分布。这一突破有望解决当前前列腺癌放射性药物疗法中剂量规划滞后、个体化调整困难的行业痛点。

突破传统局限：从“事后评估”到“事前预测”

对于转移性去势抵抗性前列腺癌（mCRPC）患者而言，基于镥-177（177Lu）的放射性药物疗法已成为重要的治疗手段。然而，该领域的核心挑战在于剂量优化。目前，临床医生通常依赖治疗后的影像数据来估算辐射暴露量，这种“事后诸葛亮”式的评估方式不仅耗时耗力，更限制了治疗方案在起始阶段就实现高度个体化的能力。

南安普顿大学医院及英国国家健康研究研究所（NIHR）的研究员阿米特·瑙蒂亚尔博士指出：“18F-PSMA PET/CT检查已 Routine 开展且资源广泛。我们的研究旨在确认，利用这些现有影像数据，是否能在治疗开始前就为治疗规划提供指导。”若能实现这一目标，将极大简化诊疗流程，优化患者筛选，并降低正常组织受辐射损伤的风险。

技术路径：多模态数据融合与混合效应模型

该概念验证研究通过对9名mCRPC患者的深入分析，评估了57个肿瘤病灶、36个唾液腺和18个肾脏。研究团队构建了一个混合效应框架，将PET摄取指标、放射组学特征以及临床生物标志物相结合，以充分考量患者个体间的差异性。

结果显示，预测剂量分布与实际治疗后的观测剂量分布在肿瘤及正常组织中均表现出高度的一致性。这一结果证明了利用治疗前影像数据进行预剂量估算的可行性，标志着核医学影像功能从单纯的“诊断工具”向“治疗引导工具”的转变。

行业启示：精准医疗与人工智能的深度融合

瑙蒂亚尔博士总结道：“若经更大规模研究验证，该方法将改善患者筛选并提升治疗前决策质量，从而为每位患者优化177Lu-PSMA疗法。”这一进展不仅提升了核素治疗的精准度，也为其他靶向放射性药物疗法的剂量规划提供了可复制的技术范式。

对于中国医疗行业而言，随着核药产业的快速崛起及“AI+医疗”政策的推进，此类技术路径具有极高的参考价值。国内企业应关注影像组学与人工智能在核医学领域的落地应用，特别是在提升诊疗效率、降低医疗成本及实现精准个性化治疗方面，探索具有自主知识产权的剂量预测模型，以在全球核药竞争格局中占据先机。