多模态影像组学在创伤性脑损伤中的应用进展

摘要

创伤性脑损伤（TBI）作为全球范围内的重要公共卫生问题，具有高发病率、高致残率和高致死率的特点，其病理机制复杂且异质性强，给临床精准诊疗带来巨大挑战。近年来，多模态影像组学（MIO）作为医学影像学与高通量数据分析交叉融合的新兴领域，通过整合结构磁共振成像（sMRI）、功能磁共振成像（fMRI）、正电子发射断层扫描（PET）及计算机体层成像（CT）等多源数据，结合机器学习（ML）及深度学习（DL）算法，为解析TBI病理生理机制、实现个体化精准诊疗提供了全新视角。该文系统综述了MIO在TBI研究中的最新进展，重点阐述了不同影像模态的组学特征提取方法、多模态数据融合策略及其在TBI分型、疗效评估和预后预测中的临床应用价值。此外，该文详细总结了当前研究中存在的数据异质性高、模型泛化能力弱及临床转化难等关键问题，并探讨了联邦学习（FL）和可解释人工智能（XAI）在未来TBI研究中的应用前景。通过梳理现有成果，该文旨在为TBI的精准医学研究提供理论依据与技术参考。

关键词

多模态影像组学 / 创伤性脑损伤 / 机器学习 / 深度学习 / 预后评估 / 联邦学习

基金资助

陕西省渭南市重点科技计划项目（2024-ZDYFJH-627）; 陕西省渭南市首席行业（学科）专家基金项目