搜狐医药

搜狐健康作者创建|北京大学第三医院放射科 王启正 编辑|周一川10月31日在“北大第三医院”公众号发表文章。2025年10月28日，北京大学第三医院放射科郎宁教授团队发表题为《基于MRI栖息地分析的原发性脊柱肿瘤无进展预测的放射学预测》的论文。目前，肿瘤显着的异质性被广泛认识，这一特征决定了其复杂的生物学行为和作为最复杂和最具挑战性的骨肿瘤类型之一，脊柱肿瘤具有高度异质性的生物学行为：从局部侵袭性肿瘤到高度恶性的肿瘤，其预后差异很大。“肿瘤特征”往往掩盖了内部异质性，无法捕捉到与进展密切相关的高危区域。针对该疾病的要点，研究团队提出了“嵌套栖息地图像分析”（分析）“新方法：在常规术前MRI的肿瘤病灶范围内完成标准化标准化和局部纹理映射，获得可以识别组织结构的特征图并引入肿瘤测量图的无误图，并在病灶中引入不言而喻的聚类“空间并用作将空间先验在空间内进行聚类和还原，提炼出与发展风险更密切相关的“微区域”，实现从宏观到微观的层次分析和信号放大。研究团队针对微区域层面的放射组学特点，构建了术前无进展生存预测，并将其与MA相结合。在临床变量中的许多变量产生一个定义的“栖息地-临床”联合模型。本研究得到美国加州大学苏敏英教授团队对医学工程交叉方法的优化和技术解释的支持，并辅以青岛大学附属医院提供的独立外部验证队列，进一步提高了模型的临床解释和国际水平。嵌套栖息地分析以MRI病灶特征为输入，通过两层迭代依次外推“子区域”和“微区域”，实现肿瘤内空间异质性的层次分析。嵌套栖息地图像分析的主要特点体现在：将方法范式从“肿瘤整体平均”升级为“空间分层”，将肿瘤视为众多异质“栖息地”的集合，获取局部高危标志被整个肿瘤特征消化，并为复杂的肿瘤异质性提供成像特征框架。术前影像生物标志物仅依靠常规非增强T1/T2 MRI（无需造影剂，易于推广），可有效预测无生存情况的进展并对术前人群进行分级。 +低计算ng AI路径的定义以“子区域/微区域”的空间先验代替了黑盒特征，具有强可解释性和低计算成本。 《放射学》还发表了加拿大多伦多大学放射学教授 Pejman Jabehdar Maralani 和渥太华大学放射治疗系的 Laura 的论文。在Burgess博士的专题检查中，两位专家指出：“这项研究朝着开发针对个体患者的精细化预后工具迈出了重要一步，该工具可用于临床会诊和治疗决策。”专家们还认为，嵌套栖息地图像分析方法以其透明、可解释、计算负担低的特点，为传统机器学习模式提供了有力的替代方案，展示了放射组学在精准肿瘤学领域的新潜力。北京大学第三医院放射科主治医师王启正和美国加州大学张扬教授是本文的共同第一作者，北京大学第三医院放射组学教授王启正和美国加州大学张扬教授是本文的共同第一作者。北京大学第三医院放射科为通讯作者 本研究得到国家自然科学基金委资助 共同第一作者：北京大学第三医院放射科主治医师 通讯作者：郎宁，北京大学第三医院放射科副主任、主任医师。科学家，教授、博士生导师、博士后合作导师。主要研究方向：影像诊断、影像新技术、人工智能。返回搜狐查看更多