2025年10月28日，北京大学第三医院郎宁教授团队在Radiology发表题为《基于MRI嵌套生境影像分析的原发性脊柱肿瘤无进展生存期预测》（“MRI-based Habitat Analysis for the Prediction of Progression-Free Survival in Primary Spinal Tumors”）的最新研究成果。

论文截图

肿瘤的显著异质性已被广泛认可，这一特征决定了其复杂的生物学行为与临床预后。脊柱肿瘤作为骨肿瘤中最复杂、最具挑战性的类型之一，其生物学行为高度异质：从局部侵袭型至高度恶性型，预后差别悬殊。尽管术前影像学在风险评估中发挥重要作用，但传统“整瘤特征”分析常被内部异质性所掩盖，难以捕捉与进展密切相关的高危区域。

针对该关键痛点，研究团队提出了“嵌套生境影像分析（Nested Habitat Analysis）”的新型策略：在常规术前MRI的肿瘤病灶范围内完成强度标准化与局部纹理映射，获取能够表征组织结构与灰度组织性的特征图谱，继而在整瘤尺度生成风险概率图，通过引入无监督聚类在病灶空间内部构建“子区域（subregion）”，以此为空间先验在其内部再次聚类与重采样，细化得到与进展风险更为紧密相关的“微区域（microregion）”，实现从宏观到微观的分层解析与信号放大。围绕微区域层面的放射组学特征，研究团队构建术前无进展生存期预测模型，并与关键临床变量进行多变量整合，形成可解释的“生境-临床”联合模型。

本研究在美国加州大学Min-Ying Su教授团队的医工交叉方法优化与技术释义支撑下，结合青岛大学附属医院提供的独立外部验证队列，进一步提升了模型的临床可解释性与国际化水平。

嵌套生境分析以病灶MRI特征为输入，经两层迭代依次提取“子区域”和“微区域”，实现肿瘤内部空间异质性的分层解析

嵌套生境影像分析主要特色体现在：

方法学范式升级：由“整瘤平均”转向“空间分层”，将肿瘤视为多异质“生境”的集合，捕捉被整瘤特征稀释的局灶高危信号，为复杂肿瘤异质性提供影像学刻画框架。

术前影像生物标志物：仅依赖常规非增强T1/T2MRI（无需对比剂、易于推广），即可在手术前实现对无进展生存期的有效预测与人群分层。

“可解释+低算力”的AI路径：以“子区域/微区域”的空间先验替代黑箱特征，可解释性强、计算成本低。

Radiology同期刊登了加拿大多伦多大学放射学Pejman Jabehdar Maralani教授与渥太华大学放射治疗学系Laura Burgess博士的专题述评，两位专家指出：“本研究迈出了构建面向个体患者的精细化预后工具的重要一步，可用于临床咨询与治疗决策，包括手术策略与辅助治疗。”专家同时认为，嵌套生境影像分析方法以其透明、可解释、计算负担低等特点，为传统机器学习模型提供了有力替代方案，展示了影像组学在精准肿瘤学中的新潜能。

北京大学第三医院放射科王奇政主治医师、美国加州大学张洋教授为本文共同第一作者，郎宁为通讯作者。本研究得到国家自然科学基金的支持。