宫颈癌是女性常见的恶性肿瘤，其发病率和死亡率在全球女性恶性肿瘤中均位居第四。2022年全球宫颈癌新发病例数约66万例，死亡约35万例^[1]。宫颈癌的治疗包括手术、放疗和化疗等多种手段，其中，手术和放疗为主要治疗方式。放射治疗在各期宫颈癌中均被广泛采用，包括体外照射和近距离放疗，可单独作为根治手段，也可与手术或化疗等联用^[2]。

宫颈癌放射治疗的历史可追溯至20世纪初，1904年Robert Abbe首次将镭用于宫颈癌治疗^[3]。随着计算机和医学影像技术的发展，传统的二维放疗时代逐步进入三维放疗时代，陆续出现了三维适形放疗(3D-CRT)、调强放疗(IMRT)、容积旋转调强放疗(VMAT)和图像引导放疗(IGRT)等先进技术^[4]，显著提升了肿瘤靶区照射的精度和临床疗效。然而，宫颈位于盆腔中心，其治疗过程中易受膀胱和肠道充盈度变化的影响，导致子宫体和宫颈靶区产生较大位移。Zeng等^[5] 分析了15例接受了宫颈癌外照射治疗患者的303次迭代锥形束CT(iterative cone-beam CT, iCBCT)图像，发现子宫体和宫颈的分次间位移可达8~12 mm。研究指出，即使采用15 mm的常规靶区扩展，也有11.1%的分次中子宫体临床靶体积(CTV)和2.2%的分次中宫颈CTV未被完全包含，显著增加了靶区漏失的风险。

为应对这一问题，Yan等^[6] 在1997年首次提出自适应放疗(adaptive radiotherapy, ART)概念，根据治疗期间患者解剖学的动态变化调整治疗计划，从而提高放疗的精确性。本综述旨在探讨自适应放疗在宫颈癌治疗中的应用现状，并回顾其关键技术进展。

1. 临床应用优势：在线ART能够先调整计划再照射，针对每次治疗的当日解剖进行计划优化，从而缩小CTV外放安全裕度、减少正常组织受量，是宫颈癌放疗的重要方向。与常规IGRT相比，在线ART可以显著改善剂量学分布。Jiang等^[7] 比较了15例宫颈癌患者的两种方案，结果显示在线ART计划的计划靶体积(planning target volume, PTV)最低剂量提高1.34 Gy，CTV覆盖率提高3.02%，同时小肠、直肠和结肠的2 cm³体积受量分别降低约1.2 Gy。这些剂量学优势有望转化为更高的肿瘤控制率和更低的正常组织不良反应风险。在实际应用中，各种ART策略(如反应式触发、计划库、自适应实时校正等)均已证明，在确保靶区覆盖前提下可显著减少正常组织受照体积。尤其值得一提的是，宫颈癌近距离治疗中实施的图像引导自适应放疗(IGABT)通过每次分次的适应性调整，提高了肿瘤局部控制率并降低治疗不良反应，为外照射中推广ART提供了重要借鉴。

2.临床应用流程：宫颈癌在线ART的实施包括一系列有序步骤。首先，在每次治疗前获取患者当日影像(如CBCT或MRI)，以确定肿瘤及危及器官的实时位置；利用预训练的人工智能(artificial intelligence，AI)模型对当日影像进行靶区和危及器官(OAR)自动勾画，并据此快速重新优化放疗计划，使处方剂量更精确地覆盖靶区、正常组织剂量降低^[8]。然后，由放射肿瘤科医师对自动生成的新计划进行快速审核，确认剂量学指标符合要求后即时实施照射^[9-10]。目前，主流的在线ART工作站可在数分钟至十余分钟内完成上述流程，具体耗时取决于解剖变化幅度和人工调整需求。文献报道宫颈癌在线ART模拟流程平均耗时约24.4 min，其中轮廓编辑约占13.1 min^[11]。在此过程中患者需保持卧床不动直至射束照射结束。如果自适应准备时间过长，可能因膀胱充盈、肠蠕动等导致解剖进一步变化，需在临床中加以控制^[12]。

3. 临床应用关键因素：在线ART的高效实施取决于多项关键技术。

(1) 靶区外扩裕度：宫颈及子宫位置对膀胱充盈度和肠道内容物变化非常敏感，治疗过程中存在显著的位移和形变^[13]。为应对这种不确定性，传统放疗需在CTV外均匀外扩15~20 mm形成PTV以应对器官运动，但在线ART可大幅缩小此裕度。研究显示，采用统一5 mm裕度即可覆盖98%以上的宫颈癌CTV范围而不影响肿瘤控制，明显小于传统裕度^[14]。

(2) 靶区/OAR勾画：精确的解剖勾画是制定优质计划的基础。在线ART要求在短时间内完成高精度勾画，人工手动难以满足。而深度学习算法的引入使自动勾画取得重大突破，能够在数十秒内生成主要OAR和CTV轮廓。研究表明基于卷积神经网络(convolutional neural network, CNN)的模型所生成的膀胱、直肠等OAR轮廓与医师结果的相似度接近人工水平，原发肿瘤CTV等的轮廓有80%~90%被临床可接受^[15-16]。

(3) 计划评估与质量控制：每日自动生成的新计划质量至关重要，需要快速评估其是否满足处方剂量学和安全要求。通常系统会比较新、旧计划的剂量分布，如CTV最低剂量覆盖和OAR剂量限值是否达标；自动适应计划往往能提高CTV剂量覆盖并降低OAR受照剂量。此外，先进的软件可自动校验优化过程执行情况，一些AI驱动工具可进行患者特异的剂量验证和误差侦测，将人工质量保证耗时降至最低。加速器自带的电子射野影像系统(electronic portal imaging device，EPID)还可用于每次照射的在体剂量监测，及时发现射束误差并验证实际剂量，为在线ART增添安全保障。

(4) 适应触发决策：决定何时启用在线ART是平衡效率与效果的关键。一般系统设置当肿瘤解剖偏差超阈值、OAR体积明显改变、患者摆位误差或在体剂量偏差等情况时触发适应。现代在线ART系统可自动识别这些变化并提示重新优化，以避免不必要的调整，又确保必要时及时适应。有效的触发策略提高了治疗效率和精度。Kim等^[17]的实践中，97.7%的治疗分次选择了适应计划，表明其设定的阈值使绝大多数分次的计划调整都有意义。未来随着生物学指标(如肿瘤代谢和缺氧状态等)的引入，触发决策有望结合更多信息(例如PET影像变化)来智能判断是否调整，使在线ART更加智能化、个体化^[18]。

4. 疗效和局限性：目前的临床研究表明，在线ART在保证肿瘤控制率方面不劣于传统放疗，同时有降低不良反应的趋势。一项包含115例患者的研究比较了ART与标准IMRT的疗效，两组2年总生存率相当(自适应组77%，常规组80%，P=0.4)^[19]，局部控制率和客观缓解率为93%~95%^[20]。然而，自适应组慢性肠道反应(如便秘)发生率更低(P=0.021)^[19]。另一项前瞻性单臂研究(27例Ⅰ~Ⅲ期)证实，每日CBCT引导的在线ART具有良好的耐受性，未见4级急性不良反应，3级急性胃肠不良反应仅4%，≥2级泌尿系统不良反应为0^[21]。总体来看，在线ART在提高剂量准确性的同时降低了正常组织受量，其近期疗效与传统放疗至少相当，且急性胃肠道和泌尿道不良反应发生率低，多为1~2级。需要注意的是，在线ART的推广仍面临一些挑战，包括每次适应流程耗时较长可能引入新的解剖不确定性，高级设备及计算平台投入，以及团队协作和培训需求等。目前，关于在线ART改善长期预后的循证依据仍相对不足，尚需更多前瞻性研究来证实其远期疗效和安全获益。

宫颈癌在线ART依托于治疗前影像引导和计划动态重优化两大支柱。一方面，通过直线加速器集成的CBCT或MRI等成像装置，每次治疗前获取患者当日盆腔解剖影像，以捕捉肿瘤和OAR的位置变化；另一方面，借助AI算法实现靶区/OAR自动勾画和计划快速重优化，在数分钟内生成适应当日解剖的新计划。这套在线ART系统通常由成像模块、重规划模块和计划实施模块组成，三者在同一治疗流程中无缝衔接。例如，美国瓦里安Ethos放疗系统将Halcyon直线加速器与自适应工作流程相结合，利用每日CBCT检测解剖变化，并采用部分AI辅助的OAR自动勾画和智能优化引擎，实现每次约20 min的快速计划调整和治疗^[17]。这样，在线ART可在保证肿瘤剂量覆盖的同时，更精确地避开正常组织，从而缩小CTV至PTV的扩展裕度^[22]。Jiang等^[7] 比较了15例宫颈癌患者在常规IGRT与在线ART方案下的剂量学差异，结果显示，与IGRT计划相比，在线ART计划的PTV剂量分布更优，PTV最大剂量降低1.23 Gy，PTV最低剂量(D₉₅)提高1.34 Gy，PTV覆盖率(V₅₀)提高4.86%，CTV覆盖率提高3.02%。同时，在线ART显著降低了小肠、直肠和结肠的2 cm³体积受量(分别减少1.24、1.29、1.12 Gy)，左右股骨头30 Gy体积分别减少2.82%、3.41%。除骨盆总体低剂量体积略有增加(V₁₀增加1.27%，V₃₀增加0.56%，可能与靶区剂量优化导致的总体剂量调整有关，临床意义有限)，其余上述差异均有统计学意义(P＜0.01)。该研究表明，在线ART能够在提高靶区剂量覆盖的同时有效降低危及器官剂量，改善治疗的安全性和有效性。该研究中进一步随访证明，应用在线ART的患者3年无事件生存率和总生存率分别达到79.4%和92.9%。此外，一项每日iCBCT引导在线ART的前瞻性研究显示，在将PTV安全裕度收窄至5 mm的情况下，所有治疗分次均选择了经适应性调整的新计划，且CTV和PTV的剂量覆盖率明显提高，同时未观察到3级及以上的急性胃肠道或泌尿系统不良反应^[23]。这进一步证实了在线ART的良好安全性和有效性。

高质量的影像是实现在线ART的基础。目前宫颈癌在线ART主要借助MRI、CT和CBCT等影像手段获取盆腔实时解剖信息。

MRI软组织对比度高，能够清晰显示宫颈肿瘤及邻近组织，对评估膀胱直肠充盈导致的子宫位置改变尤为有用。Ding等^[24] 报道了一项基于1.5 T MR-Linac的研究，纳入6例宫颈癌患者共150个治疗分次。结果显示，在非ART计划中，有45%的分次CTV达不到D_98%≥45 Gy的覆盖要求，而采用MRI引导的在线ART计划可显著提高CTV覆盖率，并降低膀胱、直肠受到的剂量(P < 0.05)。在存在分次内器官运动的情况下，应用3 mm安全边界优化的自适应计划可在98%的分次中保证CTV完全覆盖，而未优化的原计划有15%的分次出现CTV未充分覆盖。由此可见，MRI引导的在线ART能纠正解剖变化，在保证靶区覆盖的同时减少OAR受量，是实现个体化精准放疗的理想途径。另一项针对妇科肿瘤的MRI引导在线ART研究提供了可行性和初步疗效数据：12例患者中完全缓解率达66.7%，部分缓解25%，随访中估算1年总体生存率约为88.9%，且未见严重晚期不良反应^[25]。这表明MRI引导的在线ART在妇科肿瘤中可行且疗效初步令人满意。

上海联影公司首创将诊断级CT与直线加速器结合，开创了CT引导的在线ART，通过高质量CT影像适时监测肿瘤变化，并利用精确电子密度信息进行剂量计算。CBCT成像速度快且已广泛集成于加速器，但其散射多、软组织对比差等固有缺点限制了其应用。为此，科研人员提出了两类改进方案：一是基于变形配准的伪影校正：将计划CT与当日CBCT通过形变图像配准(deformable image registration, DIR)^[26] 对齐，将CBCT所反映的器官形变映射到CT上，从而得到与当前解剖相符的“变形后CT(dpCT)”用于剂量重新计算。二是基于深度学习的合成CT：利用生成对抗网络等AI模型，将CBCT图像转换为接近CT的合成CT(synthetic computer tomography，sCT)^[27]，补偿CBCT成像中的伪影和CT值偏差，以提高剂量计算准确性。Chang等^[28] 比较了上述两种方法用于宫颈癌放疗剂量重建的效果，分析了115例患者的190对CT/CBCT影像。结果显示，基于CBCT的剂量计算，无论采用DIR校正还是采用sCT校正，其计算精度均与计划CT相当，二者剂量γ通过率在1%/1 mm标准下均接近99.7%。但当CBCT与计划CT差异较大时，sCT方法在小肠、直肠、膀胱、脊髓等OAR的轮廓精度上略优于DIR方法。总体来看，两种校正技术各有优势，可提高CBCT剂量重建的可靠性。

近年来，AI技术加速融入宫颈癌在线ART的工作流，在自动勾画、剂量优化和决策支持等方面取得一系列进展。

1. AI自动勾画与计划优化：在线ART对时效性和一致性提出了远高于离线ART的要求，通常需在10~20 min完成影像获取、靶区/OAR重勾画、计划重优化及质量确认，这在传统人工流程下难以实现。近年来，基于深度学习的自动勾画与快速计划优化技术，已成为支撑在线ART临床落地的核心技术之一。在自动勾画方面，多项大规模研究证实，深度学习模型在复杂解剖区域具有可接受的几何精度与剂量稳健性。Mody等^[29] 基于头颈部放疗的5 000余例真实世界计划，系统评估了深度学习OAR勾画在剂量学层面的影响，结果显示在绝大多数器官中，自动勾画引入的剂量差异处于临床可接受范围内，且无需额外人工修正即可用于计划重计算。类似结论亦在前列腺癌中得到验证：Arjmandi等^[30] 发现，基于深度学习的自动分割在真实临床流程中显著降低了操作者间差异，其对PTV覆盖和OAR剂量约束的影响小于人工勾画间的固有变异。对于宫颈癌而言，在线ART面临子宫位置高度可变、膀胱/直肠充盈动态变化等挑战。近年来的研究表明，以高危临床靶体积(HR-CTV)及高运动性盆腔器官为重点的AI勾画模型，可在保证剂量安全的前提下，大幅压缩重计划时间，为在线流程提供可重复、低变异的输入条件。更重要的是，这类模型为后续的自动剂量评估、触发判别及质量控制奠定了标准化基础，使在线ART从“高度依赖专家经验”的流程，逐步向“数据驱动的可复制流程”转变。

2. AI自适应决策支持：在线ART通常需要医生基于影像判断是否触发重规划，具有一定主观性和经验依赖。为此，研究者开发了AI模型辅助决策，以提高一致性和避免不必要的重规划。一项2025年的研究中，收集了24例宫颈癌患者的671次治疗数据，利用机器学习和深度学习模型预测每次治疗是否需要启动自适应重计划。模型以计划剂量偏离预设阈值作为“触发”标签进行训练，提取了上百项解剖形变和剂量特征，并采用支持向量机和孪生深度神经网络进行分类，结果表明，传统机器学习模型选择出的39个关键特征(主要涉及子宫CTV形态及小肠体积变化)的曲线下面积(AUC)可达0.884，深度学习模型仅用影像轮廓信息AUC达0.917，判断准确率约0.87。更重要的是，深度模型在回顾测试中准确率(85.5%)显著高于医生共识判断(79.5%)，尤其体现在召回率(灵敏度)大幅提高^[31]。这意味着AI决策系统能更可靠地识别出那些解剖变化显著、需要重计划的治疗分次，有望减少漏判，保障剂量安全。此类AI驱动的触发判别模型已经在前瞻研究中证明可行，可作为临床医师决策的有力辅助。

3. 自动质量控制与安全增强：随着在线ART从“人工复核为主”逐步转向“算法驱动的快速重勾画与重优”，质量保证(quality assurance，QA)面临两个在线场景特异挑战：其一，患者在床旁等待，计划从生成到实施的窗口极短；其二，计划按分次频繁更新，使传统以离线测量为主的患者特异QA难以完整照搬。因此，当前前沿研究更强调计算驱动的近实时验证与流程级风险管理的结合，以在不牺牲效率的前提下确保剂量安全。一方面，AI/深度学习正在用于超快速二次剂量验证与计划质量预测^[32]。另一方面，国际上对“AI进入放疗流程”的共识正在从“性能报告”扩展到“可持续安全治理”。欧洲放射肿瘤学会/美国医学物理师协会(ESTRO/AAPM)于2024年发布的联合指南提出，AI模型的临床引入应遵循开发-验证-报告-持续监测的一体化框架，强调透明的验证设计、可迁移的报告标准与临床部署后的质量管理，以降低跨中心/跨设备带来的性能衰减风险^[33]。同时，面对越来越多的“黑盒式”软硬件集成系统，AAPM Task Group 332强调在放疗科室中应对供应商提供的闭源系统进行关键评估与独立验证^[34]。在流程层面，TG-100所倡导的基于风险分析的质量管理思想，也为在线ART的“高频、快节奏、强耦合”流程识别高危失误模式，并配置有限QA资源提供了方法学基础^[35]。

总的来说，人工智能正全方位提升宫颈癌在线自适应放疗的效率和安全性。从自动勾画和智能优化加速计划生成，到决策算法辅助判断重规划时机，再到融入质量控制体系确保万无一失。这些前沿进展预示着在线ART将更加智能化和可靠，为宫颈癌患者提供个体化精确放疗的同时进一步减少人工负担和差异。

1.局限性：尽管在线ART显著提升了分次间的剂量精度，但其在临床推行中仍面临一些挑战：①流程耗时及器官持续变化：如前所述，患者治疗时需长时间保持卧躺不动，这对体质较弱者可能造成不适。同时，在等待过程中膀胱会不断充盈、肠道持续蠕动，可能使先前获取的影像不再完全代表照射时刻的解剖状态，产生新的不确定性。一些研究指出，当CBCT扫描到射线照射间隔超过30 min且膀胱体积明显变化时，CTV覆盖率会受到显著影响^[36]。因此，如何加快自适应流程或采取措施减轻等待期内器官变化，是当前在线ART需解决的问题之一。②技术与设备要求：实现高质量的在线ART需要先进的影像装置、高性能计算平台和稳定快速的网络支持。目前基于CBCT的自适应系统(如Ethos)以及基于螺旋CT的自适应系统(如上海联影加速器506C)成本相对较低、更易部署，但在软组织分辨率上存在不足；而高对比度的MR引导系统价格昂贵，且每次治疗时间较长^[37]。如何在成本和效果间取得平衡，是在线ART走向普及必须考虑的问题。③多学科协作需求：在线ART的实施涉及放疗科医师、物理师、技师、影像工程师等团队协作。虽然大部分流程可自动化，但仍需人员密切监控与决策。这对科室工作流程提出了新的要求，需要额外的培训和质量保障措施，以确保所有成员对在线ART流程熟练掌握。④临床循证依据不足：目前关于在线ART改善长期疗效和降低治疗不良反应的循证研究仍相对缺乏，各中心采用的自适应策略存在差异，尚未形成统一的优化方案和共识^[38]。因此，有必要开展更多的多中心前瞻性研究，以明确在线ART的实际临床收益，并制定标准化的实施规范。

2.在线ART的应用前景及发展趋势：在线ART的出现正在改变宫颈癌的放疗模式。通过在每次治疗中“量身定制”放射剂量分布，在线ART能动态应对肿瘤形态和位置的变化，提升靶区剂量覆盖的充分性，并最大程度降低正常组织受量，提高肿瘤控制率并减少副作用。尽管目前在设备投入、工作流程上仍有一些现实限制，但相信这些问题将随着技术进步而逐步解决。一方面，人工智能和自动化技术的引入正在显著压缩ART耗时——更高效的自动勾画、更智能的计划优化算法和自动质量检测工具将进一步降低人工干预和等待时间。2023年以来，新一代成像设备如美国Varian公司的HyperSight CBCT可在约6 s内获取高保真度的CBCT影像，并具备直接用于剂量计算的HU精度。此外，商业自适应放疗平台(如Ethos)已在临床广泛部署，其集成的高速CBCT成像、AI自动勾画和智能优化引擎可将每次在线适应流程控制在20~30 min内完成^[17]。另一方面，随着深度学习的飞速发展，自动勾画技术日趋成熟，能够在数秒内生成与医师水平相当的器官轮廓；自动决策支持系统也在研究中，通过预设解剖变化阈值并结合生物学指标，实现智能触发自适应流程的启动，从而避免过度或不足的调整。同时，智能质量控制手段不断涌现：AI驱动的软件可自动校核每次适应计划的剂量分布，侦测潜在误差，将人工QA耗时降至最低；结合加速器自带的EPID进行在体剂量监测，可实时发现射束传输误差并验证实际投递剂量，为在线ART提供可靠的质量保障。

总之，宫颈癌在线ART作为放射肿瘤学的新兴前沿，正逐步从研究走向临床实践。通过持续的技术革新和临床经验积累，在线ART有望显著改善宫颈癌患者的治疗效果和生活质量，为实现更高的肿瘤控制率和更低的治疗不良反应提供有力支撑。

利益冲突  无

作者贡献声明  刘楼收集文献和撰写论文；傅旖、李书月、陈洁、许超、周菊英协助整理文献；马辰莺指导论文修改