中國日報12月19日（記者 李夢涵）近日，中國科學院自動化研究所、首都醫科大學附屬北京天壇醫院與鄭州大學第一附屬醫院、首都醫科大學附屬北京潞河醫院等組成的聯合團隊通過頭部磁共振成像（MRI）結合弱監督學習方法，研發了垂體腺瘤進襲性行為評估的深度學習模型，可無創進行垂體腺瘤進襲性行為的術前評估，為垂體腺瘤精準治療提供了重要指導依據。相關研究成果已發表于Nature旗下期刊NPJ Digital Medicine（《NPJ數字醫學》）

垂體腺瘤的評估難題：從"侵襲"到"進襲"

垂體神經內分泌腫瘤（PitNET），又稱垂體腺瘤，約占所有顱內腫瘤的10%-20%，據報道其患病率為每10萬人中70-100例。盡管垂體腺瘤被歸類為良性腫瘤，但超過40%的病例在病程進展中會表現出腫瘤侵襲性（invasive），難以通過手術完全切除，進而導致殘留腫瘤快速復發。20世紀提出的Knosp分級與Hardy-Wilson分級通過評估腫瘤侵犯的解剖區域（側方或上下方）來判斷垂體腺瘤的侵襲性，主要以影像學檢查和手術中的觀察確定。該方法雖操作簡便，但難以關聯垂體腺瘤侵襲包繞周圍正常組織、類似惡性腫瘤的生物學行為，因此對臨床診療的指導價值有限。

2017年前后，世界衛生組織（WHO）與歐洲內分泌學會（ESE）提出"進襲性（aggressive）垂體腺瘤"的概念，更強調腫瘤的生物學行為。"進襲性"腫瘤的核心特征包括侵襲性生長、快速增大、易復發、病理標志物異常及治療抵抗等。由于"進襲性"概念涵蓋維度廣泛，且目前缺乏公認的標準化評估工具，直接精準評估垂體腺瘤的進襲性水平面臨挑戰。當前多數相關研究僅聚焦于進襲性特征的1-2個方面（如僅評估病理標志物異常或復發預后情況等），難以實現對腫瘤進襲性的全面多維度評估。這導致臨床中難以精準識別具有高進襲性行為的垂體腺瘤并及時進行臨床關注，也難以制定更全面的個體化診療方案。

基于MRI的深度學習模型成功評估進襲性垂體腺瘤

本研究首次提出基于侵襲特征的弱監督標簽深度學習模型，結合MRI對垂體腺瘤進襲性進行評估與識別，并通過多維度、多任務驗證系統考察了該模型的效能。

模型在侵襲標簽的弱監督指導下，利用深度學習網絡提取特征、篩選特征后，最終為每位患者生成個體化評分。結果顯示，模型評分與進襲性呈現密切的正相關關聯，不僅能顯著反映腫瘤侵襲狀態，還可輔助評估腫瘤復發等不良預后、病理標志物異常（Ki-67、p53、巨噬細胞浸潤等）及惡性腫瘤相關生物學通路（MAPK通路、TGF-beta通路）的情況。該結果已在全國多家醫院多中心隊列中得到驗證，充分證實了模型在復雜、多變臨床環境下的穩定性與可靠性，為臨床廣泛推廣應用奠定了堅實基礎。

構建在線評估平臺，賦能精準診療新實踐

本研究已將復雜的多步驟MRI圖像處理及相關算法整合至在線平臺。臨床醫生或相關使用者僅需上傳MRI數據，即可快速獲取垂體腺瘤進襲性的智能評估結果，大大降低了人工智能技術的應用門檻。

下一步，研發團隊將立足臨床診療實際需求，持續推進模型與平臺的迭代優化，加速科研成果從實驗室走向臨床一線，助力提升垂體腺瘤臨床診治的精準化水平，切實惠及廣大患者。

首都醫科大學附屬北京天壇醫院賈旺教授、張傳寶教授和中國科學院自動化研究所唐永強副研究員為論文的共同通訊作者。首都醫科大學附屬北京天壇醫院博士后王洋洋為第一作者。首都醫科大學附屬北京天壇醫院管修東、馬順昌、劉演、孫越乾、馬力、李德嶺，鄭州大學第一附屬醫院張玉晏，首都醫科大學附屬北京潞河醫院楊俊為共同作者。該工作得到國家自然科學基金（82071996、62476274）等支持。