作者： 来源： 阅读量： 发布时间：2026-09-09 16:05:14
2026年9月3日至5日，由中华医学会，中华医学会放射肿瘤治疗学分会举办的“中华医学会放射肿瘤治疗学分会2026年放射物理专题会议”在广西南宁隆重召开。作为国内放射肿瘤物理领域最具影响力的学术盛会之一，本次会议汇聚了全国放射治疗物理领域的权威专家与一线骨干，集中展示了近年来放射治疗物理学在技术创新、临床转化与人才培养等方面的最新成果，代表了当前国内放射物理学科发展的前沿水平。南方医科大学生物医学工程学院周凌宏教授、宋婷副教授团队共有1篇专题报告、5项口头报告以及3项壁报研究入选本次会议。团队围绕放射治疗物理技术，在智慧放疗计划设计与质控、DNA生物机制损伤模拟、数据智能赋能预后预测等多个方向展示了最新研究进展，并与来自全国各大医院和高校的工作者和专家学者进行了深入交流，相关成果受到与会专家的广泛关注和高度评价。
专题点评透视发展方向：
在大会的特邀报告环节，多位学者围绕FLASH放疗、粒子设备、智能医疗等热点方向分享了最新研究成果。周凌宏教授作为特邀嘉宾对整场报告进行了深入而精彩的点评，高度肯定了本场报告的前沿性和突破性。结合团队近年来在FLASH放疗、自适应计划与人工智能辅助计划设计等方面丰富的研究和实践经验，周教授强调FLASH效应的生物学机制与智能数据分析的有机融合，以及多源异构数据在临床决策中的深化发展，将是未来放射治疗领域的重要切入点。他同时鼓励青年科研工作者，要敢于打破学科壁垒，多学科协同合作，真正让技术创新真正服务于临床工作，造福患者。
专题报告展示创新研究：
宋婷副教授在光子创新技术专场作了题为“疗效/预后引导放疗计划设计关键技术研究”的报告，系统介绍了团队利用人工智能技术开展放疗后患者精准预后预测的多年研究成果。研究强调放射治疗计划质量对预后预测具有关键影响，并进一步借助可解释技术等方法，精准锚定与预后风险密切相关的剂量区域。同时，团队还开展了预后预测模型引导放疗计划优化设计的研究，表明人工智能技术不仅能够实现前瞻性预测，其模型结果同样能够有效指导临床实践，从而实现人工智能技术赋能放疗技术发展。
口头报告展示创新探索：
博士研究生李华莉汇报了“基于可解释深度学习的放免联合治疗肺癌患者肺炎风险预测研究”。该研究在人工智能与可解释性技术的协同支持下，成功构建了放免联合治疗后肺炎风险预测模型，并利用可解释学习框架识别关键剂量区域。研究发现，在放免联合治疗模式下，除常规剂量标准外，肺部低剂量区照射（5-20 Gy）可能是肺炎风险的重要影响因素。
硕士研究生张婉华汇报了“基于Mamba-UNet的毫秒级VMAT剂量计算方法”，提出了一种基于Mamba技术的VMAT快速剂量计算方法。该方法通过三维通量体积和电子密度体积的联合输入，结合Mamba模块高效建立长程依赖关系，实现了兼顾计算精度与效率的快速VMAT剂量计算。研究结果显示，所提模型相较其他先进模型表现更优，并可在80毫秒内完成剂量计算，有效提升了计划优化效率。
硕士研究生李若飞汇报了“基于DNA双键断裂复杂度的碳离子放射生物学效应建模研究”。该研究以DNA双链断裂产额及损伤复杂度为核心变量，构建了DNA损伤驱动模型，实现了碳离子辐射条件下的细胞存活与相对生物效应预测。所构建模型能够有效模拟碳离子辐射下的DNA损伤，验证了基于DNA损伤特征预测辐射生物效应的可行性。
硕士研究生曾嘉琪汇报了“形态与纹理先验动态融合的头颈部肿瘤放疗可解释预后预测方法研究”。研究通过引入形态和纹理特征作为影像先验信息，实现深度学习特征的动态提取与共享表达，并同步预测头颈癌患者的远处转移、局部区域复发和总生存三个临床终点。该方法在提升预后预测性能的同时，增强了模型的临床可解释性，有望为头颈部肿瘤患者的风险分层和个体化治疗决策提供有力支持。
硕士研究生陈智杰汇报了“基于双决策模型的宫颈癌VMAT自动计划QA方法研究”。该研究提出了一种双任务深度学习模型，可同步实现宫颈癌VMAT伽马通过率预测与风险分级，并基于预测结果设计了人机结合的协同复核工作流程。该工作流在保障临床安全可行的前提下，提高了计划风险判别能力，实现了约85%计划的自动判定，显著提升了QA效率。
此外，硕士研究生杜胤达、贺宇恒等的两项研究成果以壁报形式展出，会议期间与多位与会专家进行了深入交流和讨论。
本次参会不仅集中展示了我校生物医学工程学院在放射治疗物理技术领域的研究积累与临床转化探索成果，也为团队研究生提供了与国内同行深入交流的宝贵机会。通过与临床一线专家和科研人员的互动，团队进一步明确了领域前沿需求与发展方向，为后续深化医工交叉研究、推动放射治疗物理技术创新与临床落地提供了新的视野与动力。
