9月3日至5日，当全国放射物理领域的研究者们齐聚会场，把目光投向智能放疗、精准质控的未来方向时，我校生物医学工程学院教授周凌宏、副教授宋婷团队，带着6项研究报告，站上了2026年这场国内顶级学术会议的舞台，展示南医医工人的科研实力

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。周凌宏作为特邀嘉宾对整场报告进行了深入而精彩的点评。

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，周凌宏强调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。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。