前列腺癌：用变换器分割 PSMA PET/CT 上的病灶，并在放射性配体治疗前进行生存分层
Fine-UNETR 是一种视觉变换器，能在前列腺癌的全身 PET/CT 上自动分割摄取 PSMA 的病灶，并据此提取肿瘤负荷的生物标志物。它在 299 例上训练、74 例上测试，内部 Dice 系数为 66.63%，在外部数据集上则降至 44.11%——但仍保住了对最强病灶的检出。所得到的生物标志物（总肿瘤体积、总摄取量）与金标准几乎完全吻合，并能显著区分 67 名放射性配体治疗前患者的总生存。这是对"量化"这一环节可信的自动化，但其精细分割在原中心之外仍然脆弱。
背景
晚期前列腺癌越来越多地按诊疗一体化（theranostics）的逻辑处理：同一个分子靶点既用于诊断又用于治疗。这个靶点就是 PSMA（前列腺特异性膜抗原），一种在肿瘤细胞表面过表达的蛋白。在影像上，与之结合的放射性示踪剂可实现 PSMA PET/CT——正电子发射断层显像与 CT 的结合——把全身的转移灶照亮成一个个亮点。在治疗上，同样的载体此时携带能发射射线的同位素，把剂量直接送到病灶上：这就是镥-177 PSMA-617 放射性配体治疗，自 VISION 试验后已成为转移性去势抵抗性前列腺癌的一种标准方案。
为了筛选患者、监测疗效并评估预后，医生需要测量总肿瘤负荷：有多少病灶、体积多大、摄取多强。然而，在一份全身检查上手动数清并勾画出数十个病灶既慢又繁琐，且因操作者而异。于是产生了用深度学习自动完成这一分割的想法。Fine-UNETR 正是为此而提出的。
方法
作者从 UNETR 架构出发，这是一种把视觉变换器（即被大型语言模型带火的注意力机制，此处用于三维图像块）与经典的 U 形解码器相结合、用以重建病灶掩膜的分割网络。其变体 Fine-UNETR 通过把体数据切成很小的 8×8×8 体素块来细化编码——这正是"Fine"的由来——并沿身体轴向以滑动窗口训练，以处理无法一次性放入内存的全身图像。
数据集是一个回顾性队列，包含 373 例前列腺癌患者的 PSMA PET/CT 检查（平均年龄 71 ± 8 岁），划分为 299 例训练和 74 例测试。为衡量泛化能力，作者增加了两项独立评估。其一是对公开数据集 AutoPET IV（一个国际 PET/CT 病灶分割挑战赛）中 192 例的外部验证——即在别处、用其他机器、按其他方案采集的图像。其二是一个由 67 名在放射性配体治疗之前受检的患者组成的独立队列，用以检验自动生物标志物对总生存的预后价值，并以 Kaplan-Meier 曲线和 log-rank 检验进行分析。
用四类指标来评判模型。衡量勾画质量：Dice 系数（DSC），量化预测掩膜与参考掩膜之间的重叠（100% 为完全重叠），以及灵敏度和精确度。衡量检出：被正确识别的病灶比例。衡量量化：AI 计算的生物标志物与金标准之间的相关性（总肿瘤体积、总摄取量、病灶数）。衡量临床：这些生物标志物按生存区分患者的能力。
结果
在内部测试中，Fine-UNETR 取得 66.63% 的 Dice、70.27% 的灵敏度和 67.77% 的精确度。病灶检出率在计入全部病灶时为 79.53%，但若只计入最强的病灶（SUVmax ≥ 5，SUV 是示踪剂摄取的标准化度量），则升至 96.05%。换句话说，模型对"亮得厉害"的病灶看得很清楚，而对较隐匿的病灶则明显逊色。
在 AutoPET IV 外部验证中，Dice 暴跌至 44.11%：逐体素的勾画在来自他处的图像上变得不可靠。然而病灶检出率仍然较高，为 87.18%。因此即便轮廓画得不好，模型依然在持续定位肿瘤病灶。
真正让人安心的是患者层面的数字：AI 生物标志物与金标准之间的一致性近乎完美——总肿瘤体积相关性 0.984、总摄取量 0.989、病灶数 0.960。0.98 的相关性意味着，即便确切轮廓有出入，对肿瘤负荷的总体估计仍然忠实地跟随参考测量。最后，在 67 名治疗前患者的队列中，三个自动生物标志物显著区分了生存曲线：总肿瘤体积（p = 0.0019）、SUVmax（p = 0.014）与 SUVmean（p = 0.016）。具体来说：被 AI 判为肿瘤负荷高的患者死得更早，这证实自动测量捕捉到了真实的预后信息。
好的方面
检出与勾画的分离，被正视并量化。 作者没有回避外部 Dice 的薄弱，而是表明在体素重叠下降（44.11%）之处病灶检出仍然成立（87.18%）。这是一个临床上有意义的区分：要估计肿瘤负荷，知道病灶在哪里往往比把边界画到体素级更重要。
一次真正的外部验证，使用独立数据集。 许多影像论文只满足于一次内部测试。这里，AutoPET IV（192 例）提供了一次在原中心之外采集的图像上的检验——这是对泛化最诚实的考验，也恰恰揭示了性能的下滑。
一路闭环到预后。 研究没有止步于一个技术指标：它把自动生物标志物与放射性配体治疗前一个独立队列的总生存联系起来。这正是大多数分割研究所缺少的临床转化，也让机器测得的肿瘤体积有了具体意义。
欠佳的方面
泛化脆弱：领域漂移这一失效模式。 Dice 在内部与外部之间从 66.63% 降到 44.11%，是人群与方案偏倚（domain shift）的直观写照：一个在单一中心的机器和患者上训练的模型，到别处其轮廓便会退化。对任何依赖体积精度的用途（例如估算剂量），44% 重叠的勾画就目前而言是不够的。
在小病灶上虚高的检出。 是否计入低强度病灶，检出率就在 79.53% 与 96.05% 之间跳变，这是误导性指标的典型：好看的成绩由容易、明亮的病灶撑起。然而，往往正是那些小而隐匿、低摄取的病灶，对早期检出或完整分期最为关键——而它们恰恰是模型最常漏掉的。
缺失的对照，以及透明度上的未知。 摘要未报告与 nnU-Net 等成熟分割基线的任何比较：无法判断 Fine-UNETR 是胜过当前最优，还是仅仅相当。再加上可以预料的局限——回顾性研究、生存队列偏小（67 例）且无自身的外部验证、肿瘤负荷高早已是公认的不良预后因素（故 AI 更多是把一项有用的测量自动化，而非发现新信号），而摘要对代码可得性、经费与利益冲突只字未提。最后，与放射性配体治疗实际剂量学的衔接——本应是最有价值的出口——并未被评估。
带来什么改变
对研究界而言，这一信息既审慎又有用：在 PSMA PET/CT 上，一味追求完美的 Dice 也许不是正确的目标。若目的是量化全身肿瘤负荷，那么检出的稳健性与聚合生物标志物的保真度，比逐体素的重叠更重要——这是对评估指标的一次重新取景，其他肿瘤分割工作不妨借鉴。
对临床医生而言，眼下的贡献是潜在的，而非已成定论：一个能预先分割病灶、并自动算出与生存相关的肿瘤体积的工具，将在核医学中节省可观的时间，但前提是前瞻性、多中心的验证以及与标准方法的比较。就目前而言，外部的脆弱性使人无法依赖其轮廓做精细的定量决策。对患者而言，意义很具体：更好地测量肿瘤负荷，意味着更好地筛选出将从放射性配体治疗中获益者，并更细致地追踪其反应——但预后测量不是处方，解读这个数字并放回具体情境的，始终是医疗团队。
延伸阅读
预印本见 arXiv（DOI 10.48550/arXiv.2606.17570）。外部数据集来自 AutoPET 挑战赛。关于肿瘤影像的自动量化及其陷阱，可参阅我们对肺癌病理预后模型的解读，以及关于影像 AI 检出与跨中心泛化的 MASS-Bench 乳腺 X 线解读。
编辑透明度说明：法语版本由 Tatakoto 编辑部在阅读预印本后撰写并署名。英语、西班牙语和中文译文在 AI 协助下完成并经过校阅。