‎AI预测胶质母细胞瘤复发部位

全文概要
加州大学旧金山分校（UCSF）与密歇根大学的研究团队开发了一款基于人工智能的模型，能够预测胶质母细胞瘤（GBM）术后最可能复发的具体位置，为在复发灶尚未在 MRI 上可见之前实施针对性干预打开窗口。相关论文于 9 月 25 日发表在《科学进展》（Science Advances），题为「Optical Microscopy Predictions of Focal Recurrence in Glioblastoma」，并获美国国立卫生研究院（NIH）资助。

1. 胶质母细胞瘤的复发困局

胶质母细胞瘤是成人最常见、也最致命的原发性恶性脑肿瘤，即便完成最大范围安全切除并接受标准放化疗，肿瘤仍几乎必然复发，中位生存期仅约 17 个月。绝大多数复发发生在原发肿瘤腔附近或紧邻区域，但常规 MRI 往往只能在复发灶形成一定体积后才能发现，此时再干预已错失最佳时机。如何在复发「成形」之前预判其发生位置，是神经肿瘤领域长期的技术难题。

2. 从光学显微镜到复发预测

研究团队利用光学显微镜所捕获的肿瘤组织微观结构与细胞特征，结合人工智能算法，对肿瘤腔周边区域的复发风险进行空间预测。模型能够以较高精度识别未来复发最可能出现的部位，把「术后残留或浸润的微观病灶」转化为可量化的空间复发风险图。这一思路跳出了传统影像的分辨率限制，从组织病理学尺度出发，为复发预警提供了一种新的信息维度。

3. 临床转化的前景与意义

若该模型经前瞻性验证，有望在术后早期即指导「先发制人」式治疗——例如对高复发风险区域实施局部加量放疗、术中引导或靶向干预，从而延缓乃至阻断可见复发。对神经外科与放疗科医生而言，这类「复发空间预测 AI」代表了脑肿瘤精准治疗的一个新方向：从被动等待影像进展，转向基于风险的空间预判与主动干预。当然，从实验室模型到常规临床工具，仍需大规模、多中心的前瞻性验证与监管评估。

来源：Science Advances / BioQuick News 生物医学资讯

---

声明：本文资讯来源于公开报道及学术期刊，仅作行业信息传播，不构成临床用药建议。转载需注明来源。