骨转移的发生率持续攀升，CT检查凭借其成本低、速度快、可及性高的优势，已成为骨转移筛查与初步评估的主力手段。然而，要实现精准诊断，仅靠CT图像上显示的骨骼“异常”远远不够。接下来需要深入研判：病灶属于良性还是恶性？是原发性骨肿瘤还是转移性病变？进一步追溯，还需结合原发肿瘤的类型、病理结果、分子标志物，甚至考虑并发骨折、高钙血症等并发症。这一系列流程的复杂程度可想而知。
近期一项研究直接聚焦这一难题，提出了名为 BoneCoT 的全身骨骼 CT 基础模型。该模型的独特之处在于，并非简单训练一个“读片”分类器，而是引入了临床医生的思维链逻辑。具体而言，研究团队在 30,267 名患者、约 2935 万张 CT 图像上完成预训练，覆盖头骨、脊柱、肋骨、骨盆、四肢等 12 个骨骼部位。随后，他们构建了一个由临床医生设计的“任务关系图”，针对 26 个与骨转移相关的任务，采用思维链方式对模型进行微调。这 26 个任务涵盖范围广泛，既包括骨转移诊断、病灶良恶性判断，也涉及并发症预测（如病理性骨折、脊髓压迫）、原发肿瘤类型推断，甚至还包含 EGFR、ALK、ROS1 等生物标志物的预测。
多中心验证的结果令人瞩目。BoneCoT 在多个任务上的表现均超越了 DINOv2、Merlin 等已知基础模型。尤其在区分原发骨肿瘤与骨转移这一难点上，其能力甚至超过了经验丰富的放射科医生。这背后的逻辑十分清晰：如果能让 AI 模拟临床医生“先观察骨骼形态，再结合病史与化验指标，最后综合判断”的推理过程，而非孤立地分析单张影像，诊断的准确性自然能显著提升。
骨转移在肺癌、乳腺癌、前列腺癌和肾癌等实体瘤中极为常见。一旦发生，往往标志着疾病进入晚期，并可能引发一系列严重的骨相关事件，如病理性骨折、高钙血症、甚至脊髓压迫，严重影响患者的行动能力和生活质量。由于 CT 检查的广泛普及，许多骨转移最初是在常规 CT 中被偶然发现的。
然而，骨转移诊断的难点在于，它并非“一眼定乾坤”的工作。放射科医生通常需要先识别骨骼病灶，再判断其良恶性，最后确定是原发还是转移。这一过程受经验、病灶部位、影像表现重叠程度，以及患者既往肿瘤病史完整性的影响较大。尤其是远端肢体等不常见部位，骨转移灶很容易被误诊为原发骨肿瘤。临床实践中，要精准诊断骨转移，往往需要多学科团队（MDT）协作，整合影像、病理、肿瘤内科、检验科等多方信息。如今，研究人员的目标是开发一款自动化工具，仅凭 CT 图像就能模拟多学科诊断中的综合推理逻辑。
方法
研究的第一步，是构建一个全身骨骼 CT 基础模型，命名为 BoneFM。该模型基于视觉 Transformer 架构，采用 DINOv2 等自监督学习方法，在上万人的 CT 图像上完成预训练。预训练数据既包含正常骨骼，也涵盖原发骨肿瘤和骨转移病例，覆盖了十二个解剖区域——颅骨、脊柱、肋骨、骨盆、四肢，无一遗漏。这一步骤的目的很简单：让模型掌握不同部位骨骼的形态特征，以及病变模式的差异。
以 BoneFM 为基础，研究团队开始构建 BoneCoT。其核心并非开发一个简单的骨转移分类器，而是将 26 个临床相关任务串联成一张任务关系图。这些任务包括骨病灶检测、良恶性判断、原发与转移鉴别、溶骨性与成骨性病变分类、病理性骨折、脊髓压迫、高钙血症、血栓、肾功能不全、原发肿瘤类型、肺癌亚型，以及 EGFR、ALK、ROS1、ER、PR、HER2 等生物标志物的预测。任务关系图由临床医生根据真实诊疗逻辑绘制，旨在模拟放射科、病理科和肿瘤科之间信息整合的过程。推理时，模型不会获得任何真实任务标签，而是通过多轮预测，将相关任务产生的隐藏特征作为上下文反馈，逐步优化最终结论。
图1｜BoneCoT 总体框架。
结果
26 个骨转移相关任务的总体表现
研究团队首先在内部数据集上全面评估了 BoneCoT 在 26 个任务上的表现。结果显示，BoneCoT 整体上超越了 DINOv2 和 Merlin 等主流模型，平均 AUROC 达到 0.67，比 DINOv2 提升了 20%，比 Merlin 提升了 24%。在几个核心诊断任务上，其表现尤为突出：判断“原发还是转移”的 AUROC 高达 0.85，“良性还是恶性”的判断 AUROC 也达到 0.75——这一水平已具备较强的临床诊断能力。
除了核心任务，BoneCoT 在病灶性质分类、并发症预测、肿瘤分类和生物标志物预测方面同样表现更优。各个任务标签之间本身具有很强的相关性，这也从侧面印证了研究人员的判断：骨转移诊断本就不是孤立任务，若能充分利用任务之间的临床关系，模型性能还能进一步提升。事后的可解释性分析也证实了这一点——骨溶解、骨成骨、病理性骨折、脊髓压迫、原发肿瘤类型等辅助任务对最终诊断结论贡献显著。
图2｜BoneCoT 在 26 个任务上的诊断表现。
与放射科医生的比较
随后，研究团队将 BoneCoT 与不同经验水平的放射科医生进行了直接对比。在骨病灶检测和“原发还是转移”分类两项任务中，BoneCoT 明显优于初级和高级放射科医生。在良恶性判断任务上，BoneCoT 与高级放射科医生水平相当，差异无统计学意义。
值得一提的是，在一些罕见、易误诊的病例中，BoneCoT 的表现尤为突出。例如，远端肢体的骨转移在所有骨转移病例中占比很低，放射科医生容易将其误判为原发骨肿瘤。但 BoneCoT 能够结合影像特征和原发肿瘤类型的预测信息，正确识别出它其实是源自肺癌或乳腺癌的转移灶。SHAP 分析显示，模型在处理这些病例时，确实会重点利用原发肿瘤类型、骨溶解或骨成骨表现等任务信息——这种判断方式已不单纯是“读片”，而是体现了类似多学科推理的整合能力。
图3｜BoneCoT 与放射科医生诊断表现比较。
多中心外部验证
为验证模型的泛化能力，研究团队专门收集了来自 10 家医院、两个不同地理区域的 268 名患者数据，对 BoneCoT 进行了多中心外部验证。此次验证重点考察了三个核心诊断任务：骨病灶检测、良恶性判断、原发还是转移判断。结果表明，BoneCoT 在两个地区的数据上均稳定优于 DINOv2 和 Merlin。与 DINOv2 相比，BoneCoT 在这三个任务上的平均 AUROC 均有明显提升；与 Merlin 相比，优势同样显著。
外部验证还展示了 BoneCoT 对高风险骨相关事件的识别能力。例如，在伴有病理性骨折的股骨骨转移病例中，模型能准确将病理性骨折作为关键诊断线索；在椎体骨转移伴有软组织肿块、导致脊髓压迫的病例中，模型也能识别出脊髓压迫的特征，并将其用于最终判断。这说明 BoneCoT 不仅能完成分类任务，还能帮助临床医生识别需要及时干预的高风险情况。
图4｜BoneCoT 多中心外部验证结果。
讨论
本研究提出了 BoneCoT，一个面向骨转移诊断的全身骨骼 CT 基础模型。其创新之处在于将大规模 CT 自监督预训练与临床医生的思维链微调相结合。与传统的单任务模型不同，BoneCoT 通过任务关系图，将病灶性质、并发症、原发肿瘤类型、分子标志物等信息整合在一起，推理过程更接近真实的 MDT 诊断流程。
BoneCoT 的优势首先源于数据规模。它在覆盖全身 12 个骨骼区域的大规模 CT 图像上完成预训练，因此能够学习到更通用的骨骼形态和病变模式。其次，这 26 个任务的设计紧密对应骨转移诊断和管理中的实际需求——不仅要回答“是不是骨转移”，还需明确“是哪种类型”“有无并发症”“可能来自何处”。第三，思维链微调使模型在推理过程中能够充分利用相关任务的隐藏信息，而非孤立地输出结论，而是逐步整合各种临床线索。
从临床视角看，BoneCoT 的潜在价值更多体现在“早期预警和辅助诊断工具”的角色。CT 往往是最早进行的影像检查资源，尤其在基层或条件有限的地方，MRI、骨显像、PET 等检查可能无法及时安排。BoneCoT 能帮助医生从常规 CT 中发现高风险骨病灶，提示需进一步检查或转诊，从而减少漏诊和延迟诊断的情况。
当然，本研究也存在局限性。BoneCoT 的训练高度依赖高质量的多模态标注，包括病理、实验室检查和遗传检测信息，数据整理成本较高。严重金属伪影、术后植入物及部分复杂病例被排除在外，因此在真实世界中的适用性仍需进一步验证。外部验证目前主要集中于三个核心影像任务，尚未全面评估所有并发症和生物标志物任务。未来仍需更大规模、多中心、前瞻性的研究，进一步验证 BoneCoT 在真实临床流程中的安全性、泛化能力和实际获益。
参考资料
Zhao, H., Zhang, R., Wang, Z. et al. BoneCoT: multicentre validation of a whole-body skeleton foundation model for bone metastases guided by clinician-derived chain of thought. Nat. Biomed. Eng (2026).
https://doi.org/10.1038/s41551-026-01736-1
