暑假里，校园节奏慢了下来，但宁波诺丁汉大学（简称“宁诺”）博士生文美媛仍在实验室里忙碌。她正在研究，如何在减少放射性示踪剂用量的同时，让PET这一肿瘤筛查，保持清晰可靠的成像效果。
前不久，文美媛刚以共同第一作者身份在Nature旗下数字医学领域国际期刊《npj Digital Medicine》成功发表论文。
她与导师、宁诺计算机科学首席教授何祥健，以及中国科学院深圳先进技术研究院、上海瑞金医院的专家，用AI代替CT检查来辅助PET成像，在保持图像准确性的同时，减少了患者接受的额外辐射。该AI模型还能够快速适应不同医院、扫描设备和示踪剂，为未来应用于更多临床场景提供了可能。
该研究工作已获国家重点研发计划、国家自然科学基金、广东省自然科学基金等项目的资助。
少做一份检查
AI接过CT“校准尺”
在肿瘤诊断和复查中，PET/CT是诊疗过程中重要的影像检查。PET像雷达扫描般穿透人体，让身体里异常活跃的病灶在图像中“发光”；但PET信号穿过人体组织时会受到遮挡，会像灯光穿过浓淡不一的雾，因此还需要借助CT提供的“人体结构地图”进行修正，帮助医生更准确地看清病灶所在器官位置和形态等。
但这份“准确”也伴随着额外辐射。文美媛解释：“CT辐射剂量可能占整个PET/CT检查的一半以上，对儿童、孕妇和复查患者等人群，这一负担尤为明显。此外，由于PET和CT不是同步采集，呼吸运动可能造成两类图像错位，进而引入伪影和偏差，影响诊结果。”
为此，研究团队开发了一个CrossPET-Adapt AI模型，通过模型修复PET图像的缺失和偏差。“这就像给一张欠曝的照片分区域调亮。例如模型判断这个位置需要调亮1.5倍，便会进行相应补偿，让原本模糊的细节重新显现，补回的就是PET信号穿过人体组织时‘损失’的部分强度。”文美媛接着解释道。
整个研究共纳入1539例数据，覆盖11组队列，包括4种示踪剂、4种扫描仪、4个医疗中心和1组淋巴瘤患者临床数据。经过多项指标的逐帧验证对比，AI衰减校正后的图像质量和病灶关键指标与传统CT校正结果高度一致。
而且，即使换了医院、扫描设备或示踪剂，这个AI模型也只需1至5例本地数据，约9分钟就能完成适应，无需重新收集大量数据进行训练，更容易应用到新的临床环境中。
从计算机到医学影像
宁诺助力跨学科探索
对文美媛来说，这项研究真正难的，并不仅仅只是把模型“跑出来”。作为计算机专业的博士生，她面对的是一个高度跨学科的研究难题，涉及医学影像、核医学和临床诊断等领域。
为此，她翻遍了大量医学教材和临床文献，也不断向上海瑞金医院的合作医生请教，逐帧比对校正前后的影像变化。针对论文返修阶段审稿人提出的临床问题，她与医生反复讨论、补充实验、重新统计分析。
这段漫长的科研历程，恰逢文美媛2025年赴英国诺丁汉大学交换——时差与远程环境让科研节奏一度受阻。“好在宁诺实验室给我提供了稳定的服务器，让我可以远程处理数据、运行实验；同时，我的导师何祥健教授和英诺的陈昕老师给了我很多实验和论文写作上的建议。”她说。
经历一年半的实验、撰写和三次返修后，这项成果最终得以发表。
下一步，团队计划将验证范围扩大到更多国家、医院和扫描设备中，并探索更适合复杂病灶和成像场景的新模型。“我们也希望进一步提升AI模型在不同医院和设备中的适应能力，让它用更少的数据、更低的成本走向真实临床环境。”何祥健教授表示。
对文美媛来说，论文发表并不是这段探索的终点。这个暑假，她又将研究领域扩展到了低剂量PET图像成像——通过减少放射性示踪剂用量，或缩短扫描时间，降低患者检查负担。那些在屏幕上不断被校正和重建的光影，正指向更安全、更温和的医学成像未来。
发布于2026年09月16日