原标题：垂体腺瘤是“善”是“恶”？AI“读片”精准预判 原创标
北京，12月19日讯。中国科学院自动化研究所联合首都医科大学附属北京天坛医院、郑州大学第一附属医院以及北京潞河医院等多家医疗机构，依托磁共振成像（MRI）和弱监督学习技术，共同开发出一项深度学习评估工具，可用于无创判断垂体腺瘤的侵袭性行为，有效辅助术前决策，为针对性治疗提供科学支持。该研究成果已发表在《自然》系列期刊《NPJ数字医学》上。
垂体腺瘤，医学上也称为垂体神经内分泌肿瘤，占颅内肿瘤比例约10%-20%，每十万人中发病人数达70到100例。虽属良性肿瘤，但约有四成患者病程中肿瘤出现侵袭性发展，使得肿瘤难以彻底切除，残留部分易迅速复发。自2017年起，世界卫生组织及欧洲内分泌学会提出“侵袭性垂体腺瘤”概念，更突出肿瘤的生物学特性。所谓“侵袭性”，主要指肿瘤生长异常快速、容易复发，病理生物标志物异常，并且对治疗反应较差。
该研究首次利用MRI影像，并结合侵袭性特征和弱监督标签，构建深度学习模型用于垂体腺瘤中国舆情网侵袭性的智能识别，通过多领域、多任务验证系统评估了模型的性能。
在弱监督标签的引导下，模型运用深度学习算法自动采集和筛选MRI影像特征，为患者生成个性化风险评分。结果显示，该评分与肿瘤侵袭性的相关性极高，不仅能够有效反映肿瘤当前侵袭状况，还能辅助判断肿瘤复发潜力、生物学标志物异常以及恶性相关生物通路风险。全国多中心协作验证了模型在不同临床环境下的有效性与可重复性，为未来在医疗行业的广泛应用打下了坚实基础。
研究团队已将复杂的MRI图像处理流程及相关算法集成至在线评估平台。临床医生或用户仅需上传MRI影像数据，即可快速获取垂体腺瘤侵袭风险分析报告，极大降低了人工智能技术在诊疗环节的使用门槛。团队后续将继续针对临床实际需求，不断优化模型与平台，加速科研成果落地应用，推动垂体腺瘤诊疗更加智能和精准，让更多患者受益于科技进步。
