郑州大学青年基金结题,脑胶质瘤精准诊疗打造 MRI 智能影像模型,兼具高精度与生物学可解释性

本项目以术前多模态 MRI 影像为数据基础，结合分子病理、生存数据及转录组、基因组数据，系统开展了基于深度学习的胶质瘤分子分型预测、个体化预后评估及生物学可解释性研究，历经 3 年研究顺利完成既定任务，取得了一系列创新性研究成果，为胶质瘤精准诊疗提供了兼具理论创新与临床转化价值的技术方案。

在分子分型智能预测方面，团队基于多中心常规多参数 MRI 影像（T1WI、T2WI、FLAIR、T1c）开发 CNN 模型，实现低级别胶质瘤 1p/19q 共缺失状态的精准预测，AUC 达 0.983，突破了 WHO CNS5 整合诊断分型的术前预测瓶颈；同时创新性构建多模态影像融合预测体系，相较于常规 MRI 影像组学模型，联合 DWI 的影像组学模型显著提升胶质瘤分子分型预测效能（AUC：0.749-0.778），融合 DSC-PWI 的影像组学模型进一步优化分类精度（AUC：0.778-0.879），还开发了符合 2021 版 WHO 分类标准的 CNN 模型，实现胶质瘤六分型、三分型的术前精准预测，外部测试集 AUC 均达 0.90 以上。

在个体化预后评估领域，团队基于多中心常规多参数 MRI 影像的 CNN 深度特征联合临床因素，构建影像 - 临床综合深度预后模型，实现胶质母细胞瘤（GBM）总生存期（OS）的个体化预测，C-index 达 0.78；同时构建了完善的影像组学预后风险分层系统，涵盖 GBM DTI、常规 MRI 影像组学 - 临床综合预后模型，以及岛叶胶质瘤常规 MRI 及 DWI 影像组学 - 临床病理综合预后模型，均能有效实现患者 OS 的个体化预测，为临床预后风险分层提供了无创工具。

项目的核心突破在于实现了深度学习模型的生物学可解释性解析，团队基于基因组和转录组数据，揭示了 GBM 常规 MRI 深度预后表型与细胞增殖相关 PTK 通路、凋亡相关 RB、P53 通路及 CDKN2A 缺失显著相关，首次取得 GBM 常规 MRI 深度学习预后模型的生物学解释；此外，还先后完成 GBM DTI 影像组学预后模型、岛叶胶质瘤常规 MRI 和 DWI 影像组学预后模型、弥漫性胶质瘤常规 MRI 影像组学免疫分型预测模型的生物学解释，明确了影像特征背后的分子生物学机制，赋予数字化影像表型明确的生物学意义。

研究过程中，团队还建立了多中心胶质瘤影像与临床数据库，联合省内外多家三甲医院开展研究，相关成果发表于 Molecular Cancer、European Radiology、CNS Neuroscience and Therapeutics 等权威期刊，以第一或通讯作者发表 SCI 论文 14 篇（累计影响因子 104 分），授权发明专利 2 项，培养硕士毕业生 10 名，项目负责人也获评河南省卫生健康中青年学科带头人等称号。