我们提出了一种临床应用的宫颈癌放疗自动勾画系统，基于边界感知变换器与区域感知Mamba（BAT-RM）的混合架构。该系统集成了Sobel门控边界注意力、线性时间多方向Mamba模块以实现长距离上下文建模，以及边界骨架引导的融合门。这一设计实现了长距离上下文建模的线性时间复杂度，避免了全空间自注意力的平方成本。
整个流程涵盖了多机构数据收集、严格的评审质量保证、在独立队列中的外部验证，以及与Varian、RayStation和Monaco兼容的基于网络的临床界面。与四个基线相比，BAT-RM在七个解剖类别上表现出色，在靶体积（包括GTV和CTV）及器官风险（如直肠和膀胱）方面取得了统计学显著的改善。
一项涉及13名放射肿瘤科医生的前瞻性多中心读者研究显示，AI辅助将初级肿瘤医生的IoU从0.899提升至0.965，接近高级医生的准确性，同时将勾画时间减少了80%以上。该系统还降低了专家咨询率，提高了评审一致性，反映出效率和质量保证的提升。在合作医院的临床部署后，该系统将患者等待时间从数天缩短至数小时，无需增加人员，实现了例行病例的同日或次日治疗启动。BAT-RM证明，从数据整理到临床部署的严格研究流程可以直接转化为在资源受限环境中可测量的患者收益，满足放疗需求远超专业人员能力的局面。
博主点评： BAT-RM系统展示了边界感知变换器在临床放疗中的巨大潜力，通过智能化手段显著提高了勾画的效率和准确性，推动了放疗技术的进一步发展，值得在更广泛的临床场景中推广应用。