一项研究表明，前列腺癌放疗期间例行采集的日常扫描图像，可重新用于指导临床调整治疗方案，从而降低副作用的发生风险。
患者群体：接受前列腺癌放射治疗的老年患者。
科学家利用人工智能技术分析发现，原本仅用于定位患者、确保放疗精准实施的影像数据，在治疗开始后一周内即可识别出与未来发生直肠出血相关的组织变化特征。
专家指出，监测此类早期变化能够帮助临床医生及时决定是否调整放疗方案，从而在控制癌症的同时，尽可能限制副作用的发生。
关于副作用：
放射治疗是前列腺癌的有效治疗手段，但可能引发包括直肠出血在内的不良反应。这是因为前列腺邻近直肠等健康组织，在放疗过程中难免受到少量辐射影响。
自适应放疗：
目前通常采用的自适应放疗技术，会依据患者解剖结构的变化定期调整治疗计划，而非全程使用同一方案。然而，现有临床决策尚未充分利用影像中反映的细微组织改变与模式信息——即所谓“放射组学特征”。
研究方法与发现：
爱丁堡大学的研究团队回顾分析了187名接受前列腺放疗患者的日常影像数据，运用机器学习工具，挖掘治疗初期影像中提取的放射组学特征与治疗后两年内发生直肠出血之间的关联。
结果显示，仅凭治疗第一周内单次扫描所捕捉的影像模式，即可高度预测后期肛门出血风险。而结合前三周的扫描数据进行综合评估，则可获得最为可靠的预测结果。
研究提示，追踪这些放射组学特征或能为临床干预提供宝贵的早期窗口，从而实现更个性化、更优化的放疗策略。
核心结论：
该研究的关键发现在于，治疗早期的影像已包含可量化、且与后期组织损伤相关的信息，这些信息在症状出现前很久即已存在。这表明，用于预测自适应放疗疗效的生物标志物未必需要新的扫描技术，而可能通过对现有数据的深入挖掘来实现。
——杨竹林博士
研究员，遗传与癌症研究所
下一步工作：
研究人员表示，未来这一方法有望整合至常规治疗规划与监测体系中，辅助临床医生判断调整前列腺放疗方案的时机与方法。但他们也强调，该技术投入临床使用可能尚需多年，且须通过更大规模研究进一步验证。
资金与团队：
本研究由英国前列腺癌协会资助，合作团队包括剑桥大学及克里斯蒂NHS基金会信托的科研人员。
专家观点：
“该研究证实，用于放疗定位的影像数据可支持未来自适应放疗流程的优化。在将此类方法纳入临床决策之前，进一步开展试验并实现自动化分析是不可或缺的。”
——比尔·奈隆教授
临床科学家，爱丁堡癌症中心
研究意义：
放射治疗是前列腺癌的常用疗法，虽疗效显著，但治疗过程中前列腺及周围器官的生理移动可能导致邻近区域受损，引发出血等副作用，严重影响患者生活质量。
“我们深知有必要使治疗更为温和精准。为此，我们与Movember及Garfield Weston基金会共同资助了此项研究，旨在早期识别易发生副作用的患者，并及时调整治疗方案，在确保抗癌效果的同时避免不必要的损伤。”
“尽管未来仍需在更大规模人群中进一步验证，但这无疑是迈向个性化放疗的重要一步，将使放疗对更多需要的患者而言更为安全、温和且有效。”
