综述：核医学中的治疗诊断学：精准肿瘤学时代

　　本综述系统阐述治疗诊断学（Theranostics）如何通过整合分子成像与靶向放射性核素治疗推动精准肿瘤学发展，重点介绍其基于生物标志物（如SSTR2、PSMA）的“可视化治疗”原理，涵盖神经内分泌肿瘤（NETs）、前列腺癌等临床应用，并探讨人工智能（AI）与放射组学在个体化诊疗中的前沿价值。

　　

Abstract

治疗诊断学（Theranostics）作为核医学领域的革命性进展，将分子成像与靶向放射性核素治疗整合于个性化肿瘤学框架中。本综述阐明其历史演进与当代临床应用，强调其在精准癌症管理中的关键作用。该技术通过耦合靶向相同分子生物标志物的诊断性和治疗性放射性核素，实现恶性肿瘤（如神经内分泌肿瘤NETs、前列腺癌和分化型甲状腺癌）的同步可视化与治疗。关键治疗诊断放射性药物对包括镓-68标记的DOTA-Tyr3-奥曲肽（Ga-68-DOTATATE）与镥-177标记的DOTA-Tyr3-奥曲肽（Lu-177-DOTATATE），以及镓-68标记的前列腺特异性膜抗原（Ga-68-PSMA）与镥-177标记的前列腺特异性膜抗原（Lu-177-PSMA），体现了“即视即治”（see-and-treat）的核心原则。文章进一步探讨了关键分子靶点，如生长抑素受体亚型2（SSTR₂）、前列腺特异性膜抗原（PSMA）、人表皮生长因子受体2（HER2）、CD20和C-X-C趋化因子受体4型（CXCR4），以及优化靶向特异性并减少脱靶毒性的放射性药物设计原则。成像技术平台的发展，包括正电子发射断层扫描/计算机断层扫描（PET/CT）、单光子发射计算机断层扫描/CT（SPECT/CT）以及混合正电子发射断层扫描/磁共振成像（PET/MRI），在精确剂量测定、治疗反应评估和自适应治疗规划中发挥关键作用。人工智能（AI）与放射组学的整合为图像分割、预测建模和个体化剂量规划提供了新前景。综述还涉及监管、生产和经济考量，包括美国食品药品监督管理局（USFDA）和欧洲药品管理局（EMA）的指南、良好生产规范（GMP）标准及报销框架，这些共同影响治疗诊断学的全球推广。总之，治疗诊断学有望成为下一代肿瘤学的基石，推动向生物驱动、实时个性化的癌症诊疗模式转变。

Graphical abstract

图示摘要阐释了治疗诊断学在精准肿瘤学中的核心概念：靶向特异性放射性药物选择性结合肿瘤细胞，实现诊断性分子成像与治疗性核素治疗的双重功能。该过程通过人工智能（AI）增强，支持基于图像解读、剂量预测和治疗反应评估的个体化优化。这一整合方法体现了治疗诊断学的闭环框架，融合肿瘤靶向、成像、治疗和自适应决策，实现个体化癌症护理。