基于深度学习的卵巢癌新辅助化疗疗效的MRI影像组学预测与治疗策略优化研究综述.docVIP

基于深度学习的卵巢癌新辅助化疗疗效的MRI影像组学预测与治疗策略优化研究综述

一、卵巢癌新辅助化疗的临床背景与困境

卵巢癌作为女性生殖系统死亡率最高的恶性肿瘤，70%以上的患者确诊时已处于FIGOIII-IV期，肿瘤广泛转移至盆腹腔脏器，初始肿瘤细胞减灭术难以达到满意切除（残余病灶1cm）。新辅助化疗（NACT）联合间歇性肿瘤细胞减灭术的治疗模式，可使30%-50%的晚期患者肿瘤负荷降低、手术切除率提升，但其疗效个体差异显著：约20%的患者存在原发性化疗耐药，不仅无法从NACT中获益，反而会延误手术时机、增加不良反应风险。因此，治疗前精准识别NACT获益人群，是晚期卵巢癌个体化治疗亟待解决的核心问题。

传统疗效评估依赖术后病理反应率、化疗后CA125变化及RECIST影像学标准，但存在明显滞后性：病理评估需在3-4周期NACT完成后才能获取，CA125升高可能受炎症、良性妇科疾病干扰，RECIST标准仅能通过肿瘤长径变化判断疗效，对内部坏死、细胞密度改变等微观治疗反应识别能力有限。临床亟需无创、早期、精准的疗效预测标志物，实现治疗前的风险分层与方案优选。

二、MRI影像组学在卵巢癌疗效预测中的应用基础

多参数MRI（mpMRI）是卵巢癌术前评估的首选影像学手段，T2加权成像（T2WI）可清晰显示盆腔软组织结构、肿瘤边界及内部异质性，扩散加权成像（DWI）通过表观扩散系数（ADC）