测量病灶是现代临床医学中针对病变组织开展的量化评估环节，是肿瘤、感染性疾病、自身免疫性病变等多种疾病诊疗全流程的核心依据之一，直接关系到疾病分期判断、治疗方案选择、疗效评估以及复发风险预警。
目前全球应用最广泛的实体病灶测量规范是RECIST（实体瘤疗效评价标准），这套标准明确划定了可测量病灶与不可测量病灶的边界：可测量病灶要求CT/MRI下最长径≥10mm，或浅表病灶长径≥10mm且可通过卡尺准确测量，恶性淋巴结则以短径≥15mm作为可测量阈值。测量时优先选取边界清晰、具备代表性的靶病灶，最多选取5个、单个器官最多选取2个靶病灶记录最长径总和，以此作为后续随访对比的基准。针对近年免疫治疗普及后出现的假性进展等特殊情况，临床也衍生出iRECIST等改良标准，通过新增“待确认进展”的评估环节，避免误判疗效导致患者错失合适治疗方案。
病灶测量的准确性高度依赖检查手段的标准化，临床中优先选择同一种检查设备、同一扫描参数开展序列随访：肺部病灶常用低剂量螺旋CT，腹部、颅内软组织病灶优先选择增强MRI，浅表病灶可通过超声辅助测量，PET-CT则可同时结合代谢活性判断病灶性质，避免仅测量大小带来的偏差。测量过程中需严格匹配病灶扫描层面，避开液化坏死、正常组织重叠的区域，近年来AI辅助病灶测量技术逐步落地，可自动识别随访序列中的同一病灶、自动计算长径短径，大幅降低了人为测量的误差，提升了测量效率。
需要注意的是，病灶测量的数值不能作为判断病情的唯一依据，需结合患者的临床症状、肿瘤标志物水平、病理活检结果综合解读：比如部分囊性病灶的增大可能是囊液积累而非病变进展，免疫治疗后短期的病灶增大可能是免疫细胞浸润导致的假性进展，后续随访会逐步缩小，这类情况都需要医生结合多维度信息判断，避免贸然调整有效治疗方案。
从初诊分期到疗效评估，再到术后长期随访，精准的病灶测量贯穿了疾病诊疗的全周期，是实现个体化治疗、提升患者生存获益的重要基础。未来随着影像技术和AI算法的进一步迭代，病灶测量的精度和效率还将持续提升，为临床决策提供更可靠的支撑。

本文由AI大模型（Doubao-Seed-1.6）结合行业知识与创新视角深度思考后创作。