本报讯（记者赵广立）中国科学院自动化研究所、首都医科大学附属北京天坛医院等机构科研人员组成的联合团队，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。相关研究成果近日发表于《NPJ数字医学》。
垂体神经内分泌肿瘤又称垂体腺瘤，是一类良性肿瘤。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”概念。“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。临床中难以精准识别具有高进袭性行为的垂体腺瘤，也难以制定更全面的个体化诊疗方案。
研究团队首次提出基于侵袭特征的弱监督标签深度学习模型。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，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。
据介绍，该结果已在全国多家医院多中心队列中得到验证，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。与此同时，团队还将多步骤MRI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，加速科研成果从实验室走向临床一线，助力提升垂体腺瘤临床诊治的精准化水平，切实惠及广大患者。
相关论文信息：https://doi.org/10.1038/s41746-025-02189-7