近日，武漢大學教授彭浩團隊首次在國際上提出了基于人工智能與深度學習的輻射劑量實時監測，成功利用生成對抗網絡DiscoGAN的計算框架，并加以人體組織的圖像信息和組織本領的先驗信息，在腦部、肺部和腹部多個區域實現了接近蒙卡精度的高速劑量計算和驗證（差別小于5%）。相比于傳統的質子計劃系統中使用的筆行束計算方法，該計算可以在一秒內完成，并且準確度更高。相關研究成果以《基于生成對抗網絡的質子治療劑量計算框架》為題，發表于《醫學物理》。
目前，全球質子治療中心和治療患者數目的年增長速度超過13%。但大部分質子中心集中在美國、歐洲、日本等發達國家。近年來我國已加入高速建設質子中心的行列。
質子放療具有布拉格峰這一顯著的劑量學優勢。它會在布拉格峰后完全停止劑量輸送，但只有實時劑量的測量才能夠確定布拉格峰是否停止在腫瘤內，從而充分發揮其“集中放療劑量在腫瘤內而保護周圍的危及器官”的優勢。這一點對于確保下一代質子閃療FLASH技術臨床應用的安全有效至關重要。
不過，質子治療過程中也有一些不確定性，包括射程誤差、呼吸運動引起的誤差、擺位誤差、病人的解剖結構變化引起的誤差等諸多因素。如果配合武大醫學物理團隊已成功開發的基于人工智能的核信號和聲波信號在線監測方法，實時劑量計算框架將能應用于質子治療的多個質控環節，包括治療前的劑量驗證，影像引導的病人擺位確認和治療過程中的在線監測。并且，端到端的累計劑量誤差分析，可以為整個療程的精準放療提供有效指導和諸多應用價值，最終提高病人總體生存率和改善病人的生活質量。
�。夭佩�
