摘要：前列腺癌作为男性常见的恶性肿瘤之一，在全球范围内的发病率呈上升趋势。在美国，2022年预估新增病例超268,000例。当前，原发性前列腺癌的标准治疗手段主要是根治性前列腺切除术和放射治疗，但这些传统方法伴随着诸多副作用，例如尿失禁、性功能障碍等，极大地降低了患

一、前列腺癌现状与治疗挑战

前列腺癌作为男性常见的恶性肿瘤之一，在全球范围内的发病率呈上升趋势。在美国，2022年预估新增病例超268,000例。当前，原发性前列腺癌的标准治疗手段主要是根治性前列腺切除术和放射治疗，但这些传统方法伴随着诸多副作用，例如尿失禁、性功能障碍等，极大地降低了患者的生活质量。对于局限性低风险前列腺癌患者以及放疗后复发的患者而言，局部治疗成为更具吸引力的选择，冷冻消融便是其中备受关注的局部治疗方法之一。

冷冻消融技术通过将前列腺组织冷却至极低温度来破坏癌细胞，具有一些独特的技术优势。在术中成像时，能够清晰显示冷冻组织的边界，便于医生精准操作；可以有效处理前列腺前部的病变；并且已被证实能够治疗放疗后的复发情况。然而，冷冻消融治疗中，准确预测冷冻组织的最终体积是一个难题，因为这依赖于多个患者特异性因素，如与热源的接近程度以及前列腺组织自身的热特性等。这些因素的复杂性使得传统方法难以精确预估治疗效果，影响了冷冻消融技术的进一步推广和应用。

二、哈佛大学AI研究的背景与目的

在这样的背景下，来自哈佛大学医学院（Harvard Medical School）以及布里格姆妇女医院（Brigham and Women's Hospital）的Pedro Moreira、Kemal Tunçali、Clare Tempany和Junichi Tokuda等研究者，开展了基于AI在前列腺癌冷冻消融中的应用研究。他们旨在解决冷冻消融治疗中预测冷冻等温边界（即冰球）这一关键问题。准确预测冰球边界对于保证治疗效果、减少对周围正常组织的损伤起着至关重要的作用。如果能够精确预测冰球的范围，医生就能在手术中更好地规划冷冻针的位置和冷冻参数，从而更有效地消灭癌细胞，同时最大程度地保护周围健康组织，降低术后并发症的发生风险。

传统上，在前列腺癌冷冻消融手术中，主要使用供应商提供的几何模型来辅助预测冰球边界，但这种模型存在明显的局限性，难以准确考虑到每个患者的个体差异和复杂的生理因素。而近年来，AI技术，尤其是深度学习中的卷积神经网络，在图像识别和预测领域展现出强大的能力。它能够通过对大量数据的学习，发现数据中的复杂模式和特征，从而实现更精准的预测。因此，哈佛大学的研究团队期望借助AI技术的优势，开发出更准确的冰球边界预测模型，为前列腺癌冷冻消融治疗提供更可靠的支持，提升治疗的精准性和安全性。

三、哈佛大学的研究方法与过程

该研究团队基于3D - Unet开发了一种卷积神经网络模型，专门用于预测给定冷冻针放置后产生的冷冻等温边界（冰球）。研究过程中，他们回顾性地收集了在布里格姆妇女医院进行的38例前列腺癌局部冷冻消融术中获取的磁共振图像。这些图像涵盖了不同患者的具体情况，为模型的训练和验证提供了丰富的数据基础。

在图像采集时，使用3 - tesla MRI扫描仪（Magnetom Verio, Siemens Healthineers, Erlangen, Germany）以及MRI兼容的冷冻消融系统（Seed Net MRI, Boston Scientific Natick, MA），每个患者使用2 - 5根17 - gauge冷冻消融针（Ice Seed, Boston Scientific Natick, MA）。冷冻针经会阴通过针引导模板插入，并借助在3D Slicer中实现的定制引导软件进行操作，确保了数据采集的准确性和一致性。

研究人员利用这些采集到的术中磁共振图像对模型进行训练和验证。在训练过程中，不断调整模型的参数，使其能够学习到冷冻针放置与冰球边界之间的复杂关系。为了评估模型的准确性，他们将模型预测结果与供应商提供的几何模型进行对比。具体采用计算Dice相似系数的方法，Dice相似系数是衡量两个集合相似度的常用指标，在图像分割和边界预测中广泛应用，通过它可以量化地评估不同模型对冰球边界预测的准确性。

四、研究成果与意义

研究结果显示，使用该团队提出的基于AI的模型的平均Dice相似系数达到了0.79±0.08，而使用传统几何模型的平均Dice相似系数仅为0.72±0.06，两者差异具有统计学显著性（P

此外，该模型还展现出显著的速度优势，能够在不到0.4秒的时间内提供准确的冰球边界预测。这一快速预测能力使得它在术中规划算法中具有极高的实施可行性。在实际手术中，医生可以迅速获得冰球边界的预测结果，及时调整冷冻针的位置和冷冻参数，从而更有针对性地破坏癌细胞，减少对周围健康组织的不必要损伤。这不仅提高了治疗效果，降低了患者术后并发症的发生率，还能缩短手术时间，减轻患者的痛苦，对改善患者的生活质量具有重要意义。

从更宏观的角度来看，这项研究成果为前列腺癌冷冻消融治疗带来了新的突破。它充分展示了AI技术在医学影像分析和治疗规划中的巨大潜力，为未来前列腺癌以及其他疾病的局部治疗提供了新的思路和方法。同时，也为AI技术在医学领域的进一步应用和发展奠定了坚实的基础，推动了医学技术向智能化、精准化方向迈进。

五、未来展望与挑战

尽管哈佛大学在AI在前列腺癌冷冻消融中的应用研究取得了令人瞩目的成果，但未来仍面临一些挑战和发展方向。

首先，目前该研究仅基于38例病例的数据，样本量相对较小。较小的样本量可能导致模型的泛化能力受限，无法完全适应不同患者群体和复杂的临床环境。因此，未来需要开展更大规模的多中心研究，收集更多不同特征的患者数据，进一步验证模型的准确性和泛化能力，确保其在各种实际情况下都能有效应用。

其次，AI模型的临床转化还存在一些实际问题需要解决。例如，如何将模型无缝整合到现有的手术导航系统中，使其能够与临床工作流程紧密结合，为医生提供实时、便捷的辅助决策支持；如何对临床医生进行培训，使其熟悉并能够正确理解和运用AI模型的预测结果，避免因对新技术的不熟悉而产生误解或误操作。

再者，随着AI技术的飞速发展，新的算法和模型不断涌现。研究团队需要持续关注和探索更先进的AI技术，进一步优化模型的性能，提高预测的准确性和可靠性。同时，还需要加强对AI模型的安全性和伦理问题的研究，确保其在医学应用中的合理、规范使用，避免潜在的风险和不良影响。

哈佛大学在AI在前列腺癌冷冻消融中的应用研究为前列腺癌治疗带来了新的希望和变革。通过不断地探索和创新，有望进一步提升前列腺癌治疗的水平，为患者带来更好的治疗效果和生活质量，同时也将推动AI技术在医学领域的更广泛应用和深入发展，为人类健康事业做出更大的贡献。

来源：医学顾事