美国科学家开发新AI模型：可预测胶质母细胞瘤复发点位，创造提前干预机会！

发布时间：2026-10-08  作者：盛诺一家  更新时间：2026-10-08

胶质母细胞瘤，是成人中最凶险的原发性恶性脑肿瘤之一。它真正令人棘手的地方在于，不只肿瘤长得快，而且太容易复发。

即使医生已经把影像上能够看到的肿瘤尽可能切除，患者随后又接受放疗、化疗，癌细胞仍可能像“种子”一样潜伏在手术区域周围，最终卷土重来。[1]

现在，美国加州大学旧金山分校（盛诺一家官方签约合作医院）和密歇根大学的研究人员开发出了一套新的AI工具，有望在胶质母细胞瘤患者第一次手术时，就预测出未来肿瘤最可能从哪个位置复发，并据此给予更针对性的诊疗。

该研究已经发表在《Science Advances》杂志。[1][2]

来源：MedicalXpress

很多人会有一个疑问：既然已经做了手术，为什么不能直接把肿瘤全部切掉？

问题在于，胶质母细胞瘤不像一个边界非常整齐的“球”。它的一部分癌细胞会沿着周围脑组织向外渗透。手术时，医生能够看到并切除主要肿瘤，但在肿瘤边缘一些看起来相对正常的脑组织里，仍可能散落着非常少量的癌细胞。

这些癌细胞用肉眼看不到，影像检查也未必能发现。而脑部手术又不能为了“多切一点”无限制扩大范围，因为周围可能就是控制人体语言、运动、感觉等重要功能的正常脑组织。

于是医生一直面对一个两难问题：哪里真的还藏着癌细胞？哪里不必多切？

事实上，大约四分之三的胶质母细胞瘤复发，就发生在原手术切除腔或其附近。如果能有办法提前把“高复发风险区域”进一步精准锁定，并实施针对性的提前处理，患者的复发风险有可能降低。

这也是本次美国科学家开发AI工具想要解决的问题。

常规病理检测，需要在取下一小块新鲜脑组织后，由病理科医生进行复杂的染色处理，之后用显微镜仔细观察组织的图像。

研究人员用了一项叫做刺激拉曼组织学（SRH）的技术，可以更快速获得类似显微镜下的组织图像。随后名为FastGlioma的AI系统会分析这些图像，评估这块组织被癌细胞浸润的程度，并给出一个“肿瘤浸润程度”评分。

之后，研究人员将这些评分和患者后来真正复发的位置进行对照，看看AI工具到底准不准。

FastGlioma本身并不是这次才从零开始训练的AI。它此前已经利用大量脑肿瘤组织图像完成开发。此次研究是在FastGlioma的基础上，进一步建立“复发位置预测模型”。

研究人员首先使用60名患者的大约300份手术组织样本建立模型，再用另外20名患者的大约100份样本进行独立验证。[1][2]

结果显示，单独使用AI判断肿瘤浸润程度，预测哪些位置以后会复发的能力，已经与传统病理检查大体相当。

当研究人员进一步把AI结果与患者的临床资料、MRI影像以及肿瘤分子信息放在一起分析时，预测能力进一步提高。[1]

更加特别的是：在研究使用的6种机器学习模型中，有5种模型里，AI判断出的“癌细胞浸润程度”都是预测以后是否复发的最重要单个因素，提供的信息甚至超过了一些肿瘤分子特征。[1]

研究人员还进一步测试，这套模型能不能预测：取样位置周围5毫米或10毫米范围内，未来是否会出现肿瘤复发。结果显示，模型在这两个范围内都表现出了较好的预测能力。[1][2]

研究论文的资深作者、美国加州大学旧金山分校的神外专家Shawn Hervey-Jumper博士举了几个这款AI可能应用的场景。

如果AI发现某个手术边缘残留癌细胞的风险很高，而且这个区域切除相对安全，医生未来可能考虑：

• 在第一次手术时，再多切掉一点高风险组织。

• 如果那个位置靠近重要脑功能区，不能继续切除，则考虑把后续治疗更加集中到这些高风险区域，比如给予更精准的局部高剂量放疗，或者通过导管把药物直接送到预计最容易复发的位置。[1]

密歇根大学神经外科机器学习实验室负责人、论文共同资深作者Todd Hollon博士表示，他们真正想做的，是尽可能推迟患者第一次复发的时间，并最终看看[1]：如果第一次复发能够被推迟，那么能不能进一步转化为更长的生存时间。