《Scientific Reports》：Feasibility of automated AI-based contouring and stable radiomic feature assessment by HyperSight-CBCT Imaging for adaptive high-precision radiotherapy of prostate cancer
编辑推荐：
针对前列腺癌自适应放疗中靶区勾画耗时、放射组学特征稳定性不足等问题，研究人员评估了计划CT与HyperSight锥形束CT（hCBCT）上手动、AI及混合勾画的分段精度、效率与放射组学特征稳定性。结果显示AI与混合勾画精度高、耗时分别减少90%与60%，纹理与强度特征稳定性佳，证实AI-only勾画提取可靠定量参数的可行性，为精准放疗提供支撑。
在前列腺癌的治疗领域，自适应高精度放疗正逐渐成为改善患者预后的关键手段。然而，这一技术的临床应用始终面临着两大核心挑战：一方面，盆腔器官（如前列腺、膀胱、直肠等）的手动勾画需要耗费医生大量时间，且不同医生的勾画结果可能存在差异，影响治疗的精准性；另一方面，基于影像的放射组学特征提取若缺乏稳定的勾画边界，会导致特征可靠性下降，难以转化为临床可用的定量指标。随着人工智能（AI）技术在医学影像领域的快速发展，利用AI实现自动化器官勾画成为解决上述问题的潜在方案，而HyperSight锥形束CT（hCBCT）作为一种新型成像技术，其图像质量能否支持AI勾画及后续放射组学分析，仍需系统验证。正是在这样的背景下，一项聚焦于AI勾画可行性与放射组学特征稳定性的研究应运而生，旨在为前列腺癌自适应放疗的精准化提供更高效、可靠的技术路径。
为回答上述问题，研究人员开展了一项综合性研究，评估了手动（MD）、AI-based（AI）及混合（MD+AI）三种勾画方式在计划CT（pCT）与HyperSight锥形束CT（hCBCT）上对盆腔器官的分割准确性、效率，以及放射组学特征的稳定性。研究通过量化分割一致性、时间成本及特征一致性，证实了AI勾画的临床潜力。该研究最终发表于《Scientific Reports》，为自适应放疗的技术优化提供了重要证据。
关键技术方法
研究采用计划CT（pCT）与HyperSight锥形束CT（hCBCT）影像数据，对盆腔器官（膀胱、股骨、前列腺、直肠、精囊腺、阴茎球）进行手动（MD）、AI-based（AI）及混合（MD+AI）三种方式勾画。通过Dice相似系数与95th百分位豪斯多夫距离（HD95）量化分割一致性，记录勾画时间评估效率，采用一致性相关系数（CCC）评估放射组学特征稳定性，并对不同分割模式下的特征稳定性进行统计学比较。
研究结果
分割准确性与效率
分割一致性在不同器官间存在差异：膀胱与股骨的分割一致性最高（中位Dice 0.95–0.96；HD95 1.88–2.17 mm），前列腺与直肠居中（中位Dice 0.92；HD95 2.22–2.62 mm），精囊腺与阴茎球最低（中位Dice 0.76–0.83；HD95 3.01–3.41 mm）。效率方面，AI与MD+AI勾画较MD分别减少约90%与60%的时间，显著提升勾画效率。
放射组学特征稳定性
不同分割模式间的放射组学特征稳定性存在显著差异（所有padj≤ 0.05）。其中，灰度游程长度矩阵（GLRLM）特征稳定性显著高于其他特征类型，而形态学特征稳定性较低。器官层面，膀胱与股骨的中位放射组学特征稳定性最高，前列腺与直肠居中。
研究结论与讨论
研究表明，AI-based与混合勾画在实现高分割精度的同时，可大幅缩短勾画时间，其中AI勾画的时间节省效果尤为突出。在放射组学特征稳定性方面，基于AI分割的纹理与强度特征表现出较强的稳健性，尤其是GLRLM特征，这为从AI-only勾画中提取可靠、独特的定量参数提供了可能。尽管精囊腺与阴茎球的分割一致性相对较低，但整体结果仍支持AI勾画在前列腺癌自适应放疗中的应用价值。该研究的创新之处在于首次系统验证了HyperSight-CBCT成像结合AI勾画的可行性，明确了不同器官、不同特征类型的稳定性差异，为后续放射组学模型的构建与临床应用奠定了数据基础。未来，随着AI算法的进一步优化与hCBCT成像质量的提升，AI自动勾画有望成为自适应放疗的标准流程之一，推动前列腺癌治疗向更精准、更高效的方向发展。
