MRI影像组学与深度学习术前预测子宫内膜癌分子分型的研究进展OA

子宫内膜癌(endometrial carcinoma,EC)发病率逐年升高且呈年轻化趋势,分子分型是其精准诊疗与预后评估的核心依据,已纳入权威临床指南。临床有创活检存在取材局限、存在禁忌证等缺陷,无法实现肿瘤整体分子特征的无创、全面评估。MRI是EC术前核心影像学评估手段,结合影像组学与深度学习(deep learning,DL)技术,可深度挖掘肉眼难以识别的高阶影像特征,无创建立影像表型与肿瘤分子病理的关联,为术前分子分型提供新路径。本文总结了近年来国内外相关前沿研究,总结MRI相关人工智能技术在四类EC分子亚型术前预测中的应用进展,对比分析传统影像组学、DL及多模态融合模型的诊断效能与应用优势,剖析不同亚型对应的影像-病理关联机制。同时,当前该领域研究仍存在诸多短板,以单中心、回顾性研究为主,模型可重复性与泛化性不足,缺乏统一标准化流程,且人工智能模型可解释性较差,难以落地临床转化。本文综述现有研究成果与现存问题,结合人工智能技术发展趋势,展望多中心前瞻性研究、可解释AI技术、多维度模型融合的未来发展方向,旨在为EC无创术前分子分型及精准诊疗的临床转化提供参考。