赵维维，孙静，诸静其

脑胶质瘤(glioma)是最常见的颅内原发性肿瘤，多呈浸润性生长，手术难以彻底切除，远处转移和对放化疗不敏感者治愈率极低，复发率高，患者长期生存率仅为20%。根据世界卫生组织最新的肿瘤分类分级标准[1]，脑胶质瘤在病理上分为少突胶质细胞肿瘤、星形细胞肿瘤、室管膜细胞瘤、脉络丛肿瘤、胚胎性肿瘤等，诊断与鉴别诊断上存在困难。MRI 是脑胶质瘤的首选检查方法，基于MRI 的多模态影像学技术在脑胶质瘤的诊断和鉴别诊断、治疗前评估、手术导航及治疗后随访等方面起到了关键作用。高年资放射科医师通过MRI 能较准确地识别肿瘤，但对于低年资放射科医师及未接受过脑肿瘤MRI诊断系统训练的放射科医生，误诊和漏诊的发生率明显升高。另外，放射科医师面对大量的MRI 影像时常会出现身心疲劳，降低了诊断准确性，因此，如何将放射科医师从传统阅片中解放出来，成为一个关注的问题。

近年来，人工智能模拟人类思维，高效进行数据挖掘整合，从而实现精确诊断、鉴别诊断的数字医学出现迅猛发展。从影像大数据中提取肉眼难以有效识别的图像信息，通过分析这些信息来建立诊断疾病的预测模型，已成为具有广阔应用前景的技术手段。目前，人工智能已逐渐应用于脑肿瘤的MRI 诊断和鉴别诊断[2-3]。来自欧盟的一个联合项目[4]提出将高质量的数据集(MRI 图像、临床、分子和遗传学)，用于训练和机器学习的验证，然后用于表型(诊断)、治疗分配(预测)和预后，未来有望建立放射医学与精准医疗的桥梁。……