记者从中国科学院自动化研究所获悉，近日该研究所与首都医科大学附属北京天坛医院、郑州大学第一附属医院、首都医科大学附属北京潞河医院等组成的联合团队通过头部磁共振成像（MRI）结合弱监督学习方法，研发了垂体腺瘤进袭性行为评估的深度学习模型，可无创进行垂体腺瘤进袭性行为的术前评估，为垂体腺瘤精准治疗提供了重要指导依据。相关研究成果近日在《自然》旗下期刊《NPJ数字医学》发表。
垂体神经内分泌肿瘤，又称垂体腺瘤，约占所有颅内肿瘤的10%～20%，据报道其患病率为每10万人中70~100例。尽管垂体腺瘤被归类为良性肿瘤，但超过40%的病例在病程进展中会表现出肿瘤侵袭性，难以通过手术完全切除，进而导致残留肿瘤快速复发。
2017年前后，世界卫生组织与欧洲内分泌学会提出“进袭性垂体腺瘤”的概念，更强调肿瘤的生物学行为。“进袭性”肿瘤的核心特征包括侵袭性生长、快速增大、易复发、病理标志物异常及治疗抵抗等。由于“进袭性”概念涵盖维度广泛，且目前缺乏公认的标准化评估工具，直接精准评估垂体腺瘤的进袭性水平面临挑战。
本研究首次提出基于侵袭特征的弱监督标签深度学习模型，结合MRI（磁共振成像）对垂体腺瘤进袭性进行评估与识别，并通过多维度、多任务验证系统考察了该模型的效能。模型在侵袭标签的弱监督指导下，利用深度学习网络提取特征、筛选特征后，最终为每位患者生成个体化评分。结果显示，模型评分与进袭性呈现密切的正相关关联，不仅能显著反映肿瘤侵袭状态，还可辅助评估肿瘤复发等不良预后、病理标志物异常及恶性肿瘤相关生物学通路的情况。该结果已在全国多家医院多中心得到验证，充分证实了模型在复杂、多变临床环境下的稳定性与可靠性，为临床广泛推广应用奠定了坚实基础。
本研究已将复杂的多步骤MRI（磁共振成像）图像处理及相关算法整合至在线平台。临床医生或相关使用者仅需上传MRI（磁共振成像）数据，即可快速获取垂体腺瘤进袭性的智能评估结果，大大降低了人工智能技术的应用门槛。
下一步，研发团队将立足临床诊疗实际需求，持续推进模型与平台的迭代优化，助力提升垂体腺瘤临床诊治的精准化水平。
（总台央视记者 帅俊全 褚尔嘉）
(责任编辑：单晓冰)