阳维、钟丽明课题组在《Nature Communications》发表研究成果：生成式AI识别胶质瘤患者血脑屏障状态

近日，生物医学工程学院阳维教授团队在国际著名综合期刊《Nature Communications》发表题为“Contrast-free identification of glioma blood-brain barrier status via generative diffusion AI and non-contrast MRI”的研究论文。该项工作得到国家自然科学基金项目和广东省医学图像处理重点实验室的资助，由南方医科大学生物医学工程学院、南方医科大学南方医院共同合作完成。南方医科大学博士生郑楷宜为论文第一作者，南方医院吴元魁教授、南方医科大学阳维教授和钟丽明副教授为共同通讯作者。

血脑屏障（Blood-Brain Barrier，BBB）作为调节血液与脑间质液之间物质运输的重要屏障，其状态显著影响胶质瘤患者的治疗决策和预后评估。临床上，血脑屏障状态通过钆基对比剂增强的T1加权磁共振成像（MRI）进行判断。然而，对比剂的使用存在潜在风险，包括肾源性系统性纤维化、过敏反应以及脑部钆沉积。因此，利用非增强MRI准确识别血脑屏障状态，对于避免对比剂相关不良反应、优化预后评估以及简化临床工作流程具有重要意义。

研究团队开发了一种基于扩散模型的无对比剂血脑屏障状态识别模型（CBSI）。该AI模型仅以两种常规非增强MRI序列（T1加权及T2加权液体衰减反转恢复序列）图像作为输入，合成反映肿瘤增强特征的虚拟T1增强图像，并在此基础上识别血脑屏障状态。研究团队在两个中心和三个公共数据集的1535名患者数据上对CBSI模型进行训练与验证。AI模型通过挖掘非增强影像中的深层特征，实现了良好的虚拟对比增强效果，血脑屏障状态识别AUC达到80%以上。在图像视觉质量评估中，临床医生采用具有临床意义的评判标准（增强定位、血管真实感及形态真实性）对合成的T1增强图像进行了主观评价，结果表明合成图像具有较高的临床可信度。该研究为无对比剂识别胶质瘤患者血脑屏障状态提供了一种可行的技术路径，展现了生成式AI在神经肿瘤影像学中的临床应用潜力。

论文链接：https://www.nature.com/articles/s41467-026-69578-8