据悉，放射治疗是治疗肿瘤的主要手段之一，照射剂量就像给放疗装上了“精准导航”，而剂量预测就是这台“导航仪”的核心。放射治疗中，若放射计划中给出的剂量不足，可能出现杀灭肿瘤不彻底的问题；倘若剂量太高，又会损伤周围的正常组织和器官。

胡伟刚教授指出，目前主流的 AI 模型大多属于“确定性预测”，即针对同一名患者只能给出一个固定的“平均”结果。但在真实的临床场景中，放疗计划的制定并非标准化的流水线作业，不同的物理师在保护危及器官与确保肿瘤覆盖之间，往往会根据个人经验和临床偏好做出不同的权衡。

这种临床实践中的“多样性”和“随机性”，是过去确定性AI模型难以触达的盲区。由于模型只追求单一的数学最优解，往往会导致生成的剂量分布过度平滑，难以反映真实的临床梯度。

胡伟刚教授和王佳舟教授敏锐地察觉到这一制约精准放疗的瓶颈：“一个理想的 AI 模型不应只给出一个‘标准答案’，而应当具备模拟人类专家思维的能力，针对同一解剖结构提供多个符合逻辑的候选方案。”

该论文的研究框架图

为了破解这个难题，我院胡伟刚教授领衔团队，历经2年攻关，研发出了VQ-DoseNet这项新技术。这一架构的精妙之处在于其独特的“解耦”策略。

团队创新引入了矢量量化技术，将患者连续的解剖特征转化为离散的“密码本”索引。这就像是为AI提供了一套标准的“零件库”，在生成剂量图的过程中，这些密码本如同定海神针，确保了无论预测结果如何波动，患者的基础解剖结构始终保持稳定且不发生畸变。此外，VQ-DoseNet 技术进一步引入了“风格注入”机制。它能将临床计划中细微的剂量波动编码为随机潜变量，并像风格滤镜一样将其精准地注入解码过程中。通过这种方式，AI 不仅能“看清”患者的解剖构造，还能根据不同的临床偏好生成多样化的预测结果。这标志着剂量预测从单纯的“图像到图像”映射，跨越到了具备“概率建模”能力的新阶段，让 AI 真正拥有了理解临床权衡的多样性。

模型在复肿鼻咽癌数据集的模型对比结果达到SOTA水平

胡伟刚教授做了一个简单化的科普，这项技术就像让AI拥有了“灵活思考能力”：面对同一位患者，它不再只会给出一个固定结果，而是能够生成多个符合临床要求的放疗剂量方案，更接近真实医生的放疗设计思路。根据不同患者的情况，生成多个符合国际诊疗规范的放疗剂量预测方案。

VQ-DoseNet在100例鼻咽癌重复50次随机预测结果的临床指标一致性分析

研究团队在包含鼻咽癌、直肠癌和乳腺癌在内的多个临床数据集上进行了严苛验证。实验结果显示，在鼻咽癌数据中，VQ-DoseNet的预测精度不仅显著超越了传统的UNet等主流模型，其平均绝对误差低至0.106Gy。更重要的是，该模型通过多次随机采样生成的剂量分布图，在DVH参数上与临床金标准保持了极高的一致性。

模型在OpenKBP鼻咽癌数据集的

5次重复预测结果

此外，该技术具备良好的跨病种适应能力，无论是解剖结构复杂的头颈部肿瘤，还是乳腺癌、直肠癌等常见肿瘤，模型都能够生成符合临床规律的剂量预测结果。在提升计划质量与稳定性的同时，也有望进一步提高放疗计划设计效率，减少物理师反复调参和优化的时间，为智能化、个体化放疗提供新的技术支撑。

模型在复肿直肠癌和乳腺癌数据集的

剂量预测准确性

“这项技术不是要替代医生，而是要成为他们的‘智能助手’，帮医生省出更多时间关注患者本身。”胡伟刚研究员表示，研发VQ-DoseNet的初衷，就是让AI读懂临床的多样性，让每个患者都能得到最适合自己的治疗方案。

我院放射治疗中心主任俞晓立教授指出，作为复旦肿瘤在“AI+放射治疗医学”领域的重要突破，这项技术不仅推动了放疗计划同质化水平的提升，更进一步探索了AI驱动的个体化放疗新方向。未来，患者无论是在大型医学中心还是基层医院接受治疗，都有望在获得高水平、标准化放疗服务的基础上，进一步实现更加符合个体解剖特征与临床需求的精准治疗。

据悉，该团队长期深耕肿瘤精准放疗领域，此前已参与研发全球首创的“All-In-One”一站式放疗技术，帮助无数肿瘤患者缩短了治疗周期、减轻了痛苦。“此次VQ-DoseNet技术的突破，进一步丰富了我国医工交叉创新成果，未来团队还将继续深耕这一领域，让AI技术更好地服务于肿瘤精准诊疗。”俞晓立主任展望。

来源：复旦大学附属肿瘤医院