Page 23 - 南京医科大学自然版

第46卷第6期 孙 庆，梁 迪，何 健. 肝转移瘤 F⁃FDG PET/CT研究进展与展望［J］.
2026年6月 南京医科大学学报（自然科学版），2026，46（6）：799-808
energy，SECT）相当的图像质量和病变检测能力的同
时，显著降低辐射剂量。以上总结的 AI 在肝转移
瘤医学影像中的应用包含了 CT、MRI 和病理切片，
而 AI 在 F⁃FDG PET/CT 中有着不少相似的应用。
18
F⁃FDG PET/CT 的 AI 模型在勾画肺癌和头颈癌的
18
肿瘤范围及预测非小细胞肺癌疗效等方面有良好
表现 ［75］ 。但肝转移瘤 F⁃FDG PET/CT 相关 AI 研究
18
有限，这表明该领域的 AI 应用尚处起步阶段，且
研究主要聚焦于通用性任务，比如Luo等 构建的
［76］
18
F⁃FDG PET/CT 检测肝脏局灶性病变（focal liver
lesions，FLL）并区分良恶性的 DL 模型，Lam 等
于DL开发的预测CRLM切除术后预后的模型，还包
18
括前文所提到的基于 DL 优化的 CRLM F⁃FDG
PET/CT图像的模型，但目前仍缺乏深度探索肝转移
瘤特性的专用模型。
18
7.2 肝转移瘤 F⁃FDG PET/CT的 AI领域展望
考虑到目前 F⁃FDG PET/CT 在其他肿瘤中的
18
AI 研究已较为广泛，针对肝转移瘤，可以借鉴其他
肿瘤的研究开展。包括自动化与精准分割：首要任
务是开发 AI驱动的全自动肝转移病灶分割技术，以
减少对人工标注的依赖，提高分割效率与一致性。
进而可结合图像优化算法构建能精准识别更小、多
发病灶的分割模型；多模态融合与原发灶预测：在
自动分割的基础上整合多模态影像数据（如代谢、
解剖、纹理特征）与临床信息（如血清标志物、基因
表达），通过 DL 算法实现对原发灶的预测；克服示
踪剂局限性：针对 F⁃FDG 在低代谢肿瘤中应用的
18
局限，探索 AI 模型迁移学习技术，使其快速适配不
同示踪剂的成像特征，从而扩展该技术对不同类型
肿瘤的覆盖能力。总之，AI与多模态影像的深度融
合，有望突破当前 F⁃FDG PET/CT 在肝转移瘤诊疗
18
中的瓶颈，从而推动精准化和个体化医疗的发展。
8 小 结
肝转移瘤作为常见且预后较差的疾病，其早期
诊断与治疗方案的精准制定对改善患者生存情况
至关重要。 F⁃FDG PET/CT凭借功能代谢与解剖结
18
构融合的优势，在诊断、鉴别诊断、分期、治疗计划
制定、引导放疗、疗效评估及预后预测等方面发挥
核心作用。但其仍存在一定局限性，如对小病灶
（尤其≤1 cm）检出率相对较低、对低代谢肿瘤（如黏
液癌、部分肾癌等）存在假阴性风险，这些均为临床
应用中需注意的问题。如今相关技术持续发展，
延迟成像、RG可提高诊断能力，DL驱动图像优化同
18
·805 ·
时减少剂量。而比较影像学方面，F⁃FDG PET/CT在
18
诊断效率和全身评估上具有优势，MRI（尤其 DWI）
在小病灶诊断方面存在优势，而 F⁃FDG PET/MRI
18
在肝转移灶评估的综合性能上更具优势，因此，合
理的影像学检查组合能更准确地指导部分患者治
18
疗方案的制定。虽然目前 AI 在 F⁃FDG PET/CT 肝
转移瘤领域研究尚处早期阶段，但其在解决核心问
题（小病灶、多病灶、低代谢）、挖掘深层信息（影像
组学等预测）、驱动多模态融合等方面潜力巨大，是
未来重要的突破方向。总之，通过持续的技术创新
18
［77］ 基 和多学科合作，F⁃FDG PET/CT 在肝转移瘤的精准
诊疗中将发挥更深远的影响。
利益冲突声明：
所有作者声明无利益冲突。
Conflict of Interests：
The authors have no conflict of interests to declare.
作者贡献声明：
孙庆阅读相关文献，撰写文章初稿。梁迪协助查阅相关
文献和参与论文修改。何健对文章进行审阅，提出相关修改
意见。
Author’s Contributions：
SUN Qing read relevant literature and wrote the first draft
of the article. LIANG Di assisted in consulting relevant litera⁃
ture and took part in revision of the article. HE Jian reviewed
the article and put forward relevant revision suggestions.
［参考文献］
［1］ CLARK A M，MA B，TAYLOR D L，et al. Liver metasta⁃
ses：microenvironments and ex⁃vivo models［J］. Exp Biol
Med，2016，241（15）：1639-1652
［2］ DE RIDDER J，DE WILT J H，SIMMER F，et al. Inci⁃
dence and origin of histologically confirmed liver metasta⁃
ses：an explorative case⁃study of 23，154 patients［J］. On⁃
cotarget，2016，7（34）：55368-55376
［3］ HORN S R，STOLTZFUS K C，LEHRER E J，et al. Epide⁃
miology of liver metastases［J］. Cancer Epidemiol，2020，
67：101760
［4］ RENZULLI M，CLEMENTE A，IERARDI A M，et al. Ima⁃
ging of colorectal liver metastases：new developments and
pending issues［J］. Cancers，2020，12（1）：151
［5］ PAPANEOPHYTOU C. The Warburg effect：is it always
an enemy?［J］. Front Biosci，2024，29（12）：402
［6］ ZIRAKCHIAN Z M. PET/CT in assessment of colorectal
liver metastases：a comprehensive review with emphasis
on（18）F⁃FDG［J］. Clin Exp Metastasis，2023，40（6）：
465-491
［7］ LI Y K，LI F C，LI X，et al. Value of F⁃FDG PET/CT in
18
patients with hepatic metastatic carcinoma of unknown