综述：原发性骨肿瘤的放射治疗：当前技术与人工智能整合

这篇综述系统梳理了原发性骨肿瘤放射治疗（RT）领域的技术革新与人工智能（AI）整合应用，涵盖质子/碳离子治疗（PBT/CIRT）、立体定向体部放疗（SBRT）、磁共振引导直线加速器（MR-Linac）实时自适应技术及超高剂量率（FLASH，≥40 Gy s-1）等前沿方向，强调AI在靶区勾画、剂量预测和隐私保护联邦学习中的转化价值，为个体化精准放疗提供循证框架。

　　

1 引言

原发性恶性骨肿瘤仅占全球癌症的0.5%，但具有高度侵袭性。约30%骨盆病例无法手术切除，迫使放射治疗成为关键局部手段。近年粒子治疗技术取得突破：美国多中心II期研究显示，70 Gy_RBE质子治疗使不可切除骨肉瘤的5年局部控制率达77.5%，且≥3级晚期毒性低于5%。碳离子治疗（CIRT）在颅底软骨肉瘤中同样展现80%的5年控制率。与此同时，人工智能正重塑放疗全流程——深度学习勾画工具将骨肉瘤靶区Dice系数提升0.10-0.15，而Transformer架构的影像分类器在早期骨肉瘤检测中AUC>0.90。

2 放疗技术最新进展

2.1 质子与碳离子治疗

美国8年随访研究证实，质子治疗儿童骨肉瘤的8年生存率达93.5%。碳离子凭借高线性能量传递（LET）特性，在颅底肿瘤中实现≤4%的严重毒性率。

2.2 立体定向体部放疗

单次20-24 Gy的脊柱SBRT方案使83%患者获得疼痛缓解，椎体压缩骨折率<2%。

2.3 MR-Linac实时自适应放疗

1.5T磁共振引导系统将靶区边界从10 mm缩减至7 mm，通过25秒GPU优化保持亚毫米级精度。

2.4 FLASH放疗

FAST-01试验首次证实质子FLASH治疗骨转移瘤的安全性，小鼠模型显示其造血抑制降低50%以上。

2.5 生物靶向与影像组学

每周T2加权MRI的Delta-放射组学模型预测软组织肉瘤病理反应的AUC达0.83，优于传统RECIST标准。

3 AI赋能的放疗工作流

3.1 影像诊断

多中心研究开发的集成模型在鉴别骨恶性肿瘤与感染时AUC=0.963，媲美资深放射科医师。

3.2 自动靶区勾画

nnU-Net框架将盆腔骨肉瘤GTV勾画Dice系数提升至0.77±0.05，节省50%人工编辑时间。

3.3 知识型计划设计

3D U-Net残差网络可在25秒内预测VMAT剂量分布，使股骨头平均剂量降低6 Gy。

3.4 在线自适应优化

卷积LSTM模型根据CBCT自动调整方案，食管平均剂量减少4 Gy，适用于长骨肿瘤治疗。

3.5 质量保证

UCSF虚拟QA系统前瞻性识别92%可能失败的VMAT计划，每周节约7小时人力。

4 临床证据

MD Anderson的MR-Linac试点将骨肉瘤单次治疗时间从90分钟压缩至30分钟，4例患者均实现<1 mm摆位误差。瑞士PSI研究所8年随访显示，质子治疗颅底软骨肉瘤的8年局部控制率89.7%，无≥3级心肺毒性。

5 未来挑战

数据稀缺（中位样本量仅112例）和模型泛化性不足（外部验证AUC可能骤降0.26）制约发展。欧盟《AI法案》要求高风险医疗AI必须通过第三方认证，而联邦学习结合差分隐私（ε<1）正成为合规解决方案。

6 创新前沿

6.1 多模态基础模型

Swin-Transformer框架SMuRF整合CT与病理切片，将头颈癌预后预测AUC提升12%。

6.2 数字孪生患者

40余种肿瘤数字孪生原型能动态预测局部控制率与正常组织并发症概率（NTCP）。

6.3 AI优化FLASH

新型非晶硅探测器可追踪2μs微脉冲，深度学习算法实时监控束流漂移，剂量率波动控制在±3%内。

6.4 国际协作网络

MOMENTUM注册研究已收集40个中心2500次自适应治疗数据，性能损失<2%，为骨肉瘤AI试验建立模板。