近日，中国科学院合肥肿瘤医院在利用多模态影像预测胶质瘤放疗疗效的研究中取得新进展。相关成果发表在医学与计算机领域TOP期刊IEEE Journal of Biomedical and Health Informatics上。

术后放疗在胶质瘤治疗中具有重要作用，但仅部分患者对治疗有明显反应。因此，放疗前准确预测治疗反应对于制定个体化的剂量调整策略至关重要。传统预测方法依赖临床因素，难以反映肿瘤异质性带来的影响。影像组学通过提取肿瘤区域的细微特征，在预测方面表现优于传统模型。然而，目前模型仅关注单一感兴趣区域，未能充分考虑术后放疗靶区中肿瘤微环境的空间异质性与其对治疗结果的潜在影响。此外，现有的“生境分析”方法虽能将异质性肿瘤分割为具有不同生物特征的子区域，但在实际应用中仍存在利用不足、特征融合导致过拟合，以及传统机器学习模型难以捕捉复杂区域间关系等问题。

为克服上述挑战，本研究提出了一种基于图神经网络和多视图学习的多图融合框架。该方法将每位患者视为图中的一个节点，节点特征由其影像组学特征构成，图的结构则基于患者临床特征间的相似性建立。图神经网络通过信息传递机制捕捉复杂的节点间关系，从而更好地理解肿瘤特征间的交互作用。同时，多图融合框架将每个生境子区域作为一个独立视图，不仅可以融合单个患者不同区域的信息，还可在不同患者间捕捉肿瘤微环境的共性与差异。该方法有助于更全面地理解肿瘤微环境对放疗反应的影响，提升预测性能并增强模型解释性。

脑系肿瘤中心长期致力于基于多模态影像的脑肿瘤精准诊疗研究，旨在完善一套系统的多模态影像驱动的脑肿瘤精准放疗体系。该体系不仅有助于深入探索脑肿瘤治疗反应的病理生理机制，也为实现更精准的放疗靶区勾画与疗效评估提供了技术支持与应用前景。

该论文的第一单位为中国科学院合肥肿瘤医院，第一作者为中国科学院合肥肿瘤医院脑系肿瘤中心博士后、主治医师王毅欣，博士后合作导师王宏志研究员为通讯作者。本研究得到了合肥物质院院长基金和合肥肿瘤医院人才培养基金的支持。

文章链接：https://ieeexplore.ieee.org/document/11096419

基于图神经网络和多视图学习的多图融合框架