NBE：上海交通大学赵晖等开发BoneCoT模型，实现骨转移瘤精准诊断，超越资深放射科医生

发布时间：2026-07-10来源：iNature

鉴于骨转移发病率不断上升，计算机断层扫描（CT）作为其检测的初始影像学手段在全球范围内被广泛使用。骨转移的准确诊断需要综合评估，但不同专家之间的解读差异可能导致诊断不一致。在临床实践中，骨转移的精准诊断需要放射科医生、病理学家和肿瘤学家的多学科协作。

2026年7月2日，上海交通大学赵晖、李跃华、美国华盛顿大学Sheng Wang共同通讯在

Nature Biomedical Engineering（IF=32.6）

在线发表题为

BoneCoT: multicentre validation of a whole-body skeleton foundation model for bone metastases guided by clinician-derived chain of thought

的研究论文。

该研究构建了名为“BoneCoT”的全身骨骼基础模型。该模型基于近3000万张CT图像预训练，并通过一种“思维链（CoT） ”微调策略，模拟临床多学科团队（MDT）的协作推理过程，可同时预测26项骨转移相关任务。

当癌细胞从原发实体肿瘤扩散到身体其他部位时即发生转移。在全球每年约2000万新发癌症病例中，超过50%的患者将发展为转移性疾病。随着癌症患者生存期延长，骨转移（BM）发生率的增加日益受到关注。在普通人群中最常见的实体肿瘤中，以及在远处转移性疾病患者中评估时，BM在肺癌、乳腺癌、前列腺癌和肾癌中频繁观察到。

在实体瘤患者中，发生BM的平均时间为700天。BM不仅显著导致癌症相关死亡率，还导致频繁的骨骼相关事件，如病理性骨折、高钙血症和脊髓压迫，这些与活动能力丧失和社会功能受损密切相关。此外，BM常被误诊，与不良预后相关，并造成沉重的经济负担。

BoneCoT概述图（图源自

Nature Biomedical Engineering

）

该研究提出了BoneCoT，一种通过思维链（CoT）微调方法增强的全身骨骼基础模型。研究人员在来自30,267例患者的2,930万张CT图像上对模型进行了预训练，涵盖了12个骨骼部位，并在涵盖诊断、并发症、肿瘤类型和生物标志物的26个临床相关任务图上进行了精调。

在来自10家医院的26个任务和多中心队列的评估中，BoneCoT在受试者工作特征曲线下面积（AUC）方面比最先进方法提高了20%。关键的是，BoneCoT在区分原发性和转移性病灶方面实现了40%的AUC提升，显著超过了经验丰富的放射科医生。这些发现展示了临床医生推导的推理如何推动人工智能在复杂疾病中向更整合的诊断评估迈进。

参考消息：https://www.nature.com/articles/s41551-026-01736-1

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。