胶质母细胞瘤（glioblastoma）是成人最常见也最凶险的恶性脑瘤。患者即便手术切干净了所有看得见的肿瘤、再跟上后续治疗，它几乎总会卷土重来。如今，加州大学旧金山分校（UC San Francisco, UCSF）与密歇根大学的研究者拿出一套 AI 方法，能高精度地预判肿瘤最可能先从哪里复发——赶在那团影子出现在 MRI 上之前，先下手治疗。
胶质母细胞瘤确诊后的中位生存期只有约 17 个月，是成人恶性脑瘤里最致命的一种。而它的复发，大多就发生在原瘤腔的边缘或紧邻处。
这套思路发表在 Science Advances 上，研究获美国国立卫生研究院（NIH）支持。一旦能在复发灶显影前锁定高风险区域，医生便有机会提前做靶向干预。
"这套系统有巨大潜力，能在切除肿瘤时给神经外科医生提供宝贵的实时引导，"第一作者、UCSF 与德雷塞尔大学医学院（Drexel University College of Medicine）博士后 Sanjeev Herr 说，"它还能给出帮助后续治疗决策的洞见。"
具体怎么治这些"预测出来的复发位点"？资深作者、UCSF Health 神经外科医生 Shawn Hervey-Jumper 介绍，他同时是威尔神经科学研究所（Weill Institute for Neurosciences）的 Mitchel S. Berger 冠名讲席教授。他解释，若安全可行，可以在初次手术时就把周边多切一点；对那些长在不能切除脑区的病灶，则可以对预测进展部位做其他靶向治疗，比如高剂量聚焦放疗，或经颅骨插管把药物直接打进肿瘤。
要喂饱这个模型，靠的是术中快速取得的组织图像。研究者分析了 UCSF Health 患者胶质母细胞瘤手术中采集的样本，这组患者的中位复发时间是 5.5 个月。他们用约 300 份来自 60 名患者的样本训练模型，再用约 100 份来自另外 20 名患者的样本独立测试。
图像来自一项叫受激拉曼组织学（stimulated Raman histology, SRH）的技术：不到一分钟，就能给新鲜、未经处理的组织拍出显微图像。传统病理得染色，更费时费力。
拿到图像后，团队用 FastGlioma——一个由 UCSF 与密歇根大学开发的 AI 系统——按肿瘤浸润（tumor infiltration）程度给组织打分。
有意思的是评分本身的预测力。单看这个 AI 浸润评分，预测哪些区域后来会长出复发瘤，表现和传统病理差不多。可一旦把 AI 评分连同临床、影像、分子数据一起塞进六个机器学习模型，表现最好的那个，区分"会复发 / 不会复发位点"的能力就明显上了一个台阶。
更关键的是，在这六个模型里，有五个都把"AI 肿瘤浸润评分"列为最强的单一复发预测因子，提供的信息量甚至超过肿瘤本身的分子特征。
模型定位的精度也不差：它能较准地判断，癌症会不会在采样组织的 5 毫米或 10 毫米（0.2 或 0.4 英寸）范围内复发。
为什么盯着"首次复发"？团队解释，患者病程后期常接受各种试验性治疗，会搅乱肿瘤生长，让后续复发更难可靠预测，所以把终点放在第一次。
"总体目标就是拖住那第一次复发，"密歇根大学安娜堡分校"神经外科机器学习实验室"（Machine Learning in Neurosurgery Laboratory）的 Todd Hollon 说，"说到底，我们希望把这个窗口拉长，最终转化成更长的生存期。"
参考文献：Sanjeev Herr et al, Optical microscopy predictions of focal recurrence in glioblastoma, Science Advances (2026). DOI: 10.1126/sciadv.aec8202
编辑：王洪
排版：李丽
评论 (0)