《Brain Sciences》：Foundation Models for Glioma MRI: A Systematic Scoping Review of Clinical Applications and Translational Readiness
背景/目的：胶质瘤的诊断日益依赖于磁共振成像（MRI）、分子特征与临床信息的整合。基础模型（Foundation Models）可能通过可迁移表征学习（transferable representation learning）和多模态整合（multimodal integration）支持AI辅助诊断，但支持其临床应用的相关证据仍较为分散。本系统范围综述（systematic scoping review）梳理了基础模型在胶质瘤神经影像学中的当前应用，并评估其在肿瘤勾画、分子分型、多模态诊断支持及临床转化方面的相关性。遵循PRISMA-ScR原则，研究人员检索了六个文献数据库，检索截止至2026年7月26日。符合条件的文献按模型家族、预训练与适配策略、影像应用、多模态整合、验证设计及临床相关性进行分类。在识别的3688条记录中，去重后剩余2071条，525条进入详细资格评估，最终纳入125条。证据集中于可提示分割（promptable segmentation，n = 47）、可复用脑MRI表征（n = 26）、视觉语言与语言模型应用（n = 22）、分子分类与预后预测（n = 16）以及转化或治理研究（n = 14）。基础模型在肿瘤勾画、可复用表征学习、分子表型预测及多模态诊断支持方面显示出潜力。然而，独立外部验证、对影像异质性和序列缺失的稳健性、校准（calibration）及前瞻性工作流评估仍十分有限。基础模型为AI辅助胶质瘤诊断提供了有前景的能力，尤其在分割、可复用MRI表征学习、分子特征刻画和多模态支持方面。然而，现有证据尚不足以支持常规临床实施。多中心验证、标准化评估、不确定性评估以及诊断和工作流效用的前瞻性研究应成为未来研究的优先方向。
- 1.
引言
成人型弥漫性胶质瘤采用整合的组织学和分子标准进行分类，包括IDH突变型星形细胞瘤、伴IDH突变及1p/19q联合缺失的少突胶质细胞瘤，以及IDH野生型胶质母细胞瘤。这一整合框架使得准确诊断依赖于组织病理学、分子状态和影像的综合判断，而非单纯的形态学。MRI是诊断、治疗计划、疗效评估和随访监测的核心工具，RANO 2.0强调标准化基线选择和纵向判读。对于AI辅助精准诊断而言，挑战不仅限于病灶检测，还涉及强化与非强化病变的特征刻画、治疗相关改变、分子表型、纵向演变、不确定性以及不完整或退化的图像输入。因此，胶质瘤MRI为评估基础模型能否学习到在异质采集协议、影像表型和下游临床目标中仍具信息量的表征提供了一个高要求场景。
本综述对基础模型的操作性定义是：通过广泛或异质预训练，并具备超越单一固定下游任务的可复用表征或能力。仅模型规模大或仅使用了预训练并不足以构成基础模型。纳入标准要求有跨任务、跨数据集、跨模态、跨机构、跨标签体系或跨提示定义目标的复用或迁移证据。因此，可提示通用模型（如SAM衍生系统）、广泛预训练的自监督脑MRI模型，以及具备可复用多模态能力的视觉语言或语言模型均符合纳入条件。相反，常规ImageNet初始化后训练单一分类器，或仅针对单一固定BraTS任务训练且无更广泛复用证据的CNN或Transformer，被视为传统迁移学习或任务特定建模而予以排除。这一区分至关重要，因为大规模预训练本身并不能确立具有临床意义的可迁移性。因此，本综述考察了预训练表征中保留了哪些信息、这些表征如何与其他模态对齐或融合，以及胶质瘤影像应用需要多少任务特定或疾病特定的适配。
胶质瘤MRI还需要多模态视角。多参数MRI本身即是一种影像内多模态设置，因为T1、增强T1、T2和FLAIR提供互补信息。跨域系统可能进一步将MRI与放射报告、病理、临床变量或其他测量相结合。既往针对单一疾病的MRI综述多侧重于任务特定的深度学习架构。本综述则考察广泛预训练且可复用的模型如何适配到胶质瘤特定的诊断目标，特别是肿瘤勾画、分子特征刻画、多模态融合和转化评估。因此，本综述关注通用表征是否编码了胶质瘤相关的空间、分子、纵向和语义信息，以及这些信息在临床使用中是否足够稳定。MRI是主要模态，因为它界定了检索策略；非MRI模态仅在明确与胶质瘤影像证据对齐或融合时才予以考虑。
据此，本综述旨在确定基础模型在胶质瘤MRI中的当前诊断应用、技术适配策略和转化就绪度。四个相互关联的问题被提出：（1）基础模型如何从胶质瘤MRI及相关脑影像数据中构建和复用潜在表征；（2）MRI衍生表征如何与文本、病理、临床变量或其他模态对齐或融合；（3）哪些适配策略将通用表征转化为胶质瘤特定的分割、分子、预后、报告或纵向输出；（4）在域偏移、序列缺失、治疗相关改变、人工监督和工作流整合条件下，有哪些证据支持其可靠性。直接针对胶质瘤或脑肿瘤的证据与可迁移的脑或医学基础模型证据，以及与情境综合和治理证据分开分析，因为这些证据层级支持关于诊断效用和临床转化的不同结论。
- 2.
方法
2.1 检索策略与信息来源
本范围综述遵循PRISMA-ScR原则进行证据映射和透明报告，并使用PRISMA 2020支持研究筛选流程。检索于2026年7月26日完成，覆盖ACM数字图书馆、IEEE Xplore、Scopus、Web of Science、PubMed和SpringerLink六个数据库。由于医学影像中基础模型的术语仍不统一，采用了两种互补的查询结构：广泛的脑MRI基础模型查询和针对性胶质瘤MRI查询。检索概念涵盖脑或神经影像术语、胶质瘤实体、MRI以及基础模型相关方法，包括基础模型、Segment Anything、MedSAM、SAM-Med3D、自监督学习或预训练、视觉语言模型、多模态大语言模型、大语言模型和放射报告生成。检索策略根据各来源的可检索字段和语法进行了调整。完整的来源特定检索字符串（包括字段标签和布尔结构）见补充文件S1。已完成的PRISMA-ScR检查表见补充表S2。
未前瞻性注册综述方案。筛选日志保留了总体研究筛选流程，但未对详细资格评估期间排除的所有记录记录互斥的原因特定计数。表1总结了基础模型的操作性定义和筛选期间应用的纳入标准。由于筛选是作为证据映射过程而非诊断准确性综述进行的，排除决定在资格层面记录，而非使用预设的互斥排除分类体系。
2.2 研究筛选与证据映射
六个来源共识别3688条记录。来源内部及跨来源去重移除了1617条记录，剩余2071条进入标题和摘要筛选。标题和摘要筛选排除了1546条。剩余525篇报告针对预设的人群、影像、基础模型、任务和出版物类型标准进行了详细资格评估；400篇不符合纳入标准，最终保留125项研究。筛选从广泛检索推进到对操作性基础模型定义的严格应用。当记录缺乏相关MRI内容、胶质瘤或脑肿瘤相关性、或可迁移脑影像相关性时被排除；使用常规任务特定训练而无证据表明可复用预训练时也被排除；或其他未能满足纳入标准的情况同样被排除。完整研究筛选路径见图1，来源特定检索、去重、资格评估和纳入计数详见表2。
2.3 数据提取、证据组织与批判性评估
对每篇纳入记录，提取了文献来源、年份、出版物类型、疾病范围、模型家族、预训练范式、适配策略、目标任务、MRI输入、数据来源或报告规模、验证设置、主要结局、比较对象和实施局限性。证据使用两套互补分类系统组织。首先，每篇记录根据其与胶质瘤特定临床证据的接近程度被分配至三个证据相关性层级之一。层级1包括直接在胶质瘤或脑肿瘤人群中评估的研究，可支持疾病特定的技术或转化声明。层级2包括无可直接胶质瘤评估的可迁移脑MRI或更广泛医学基础模型研究；这些研究为表征学习、多模态对齐或方法学迁移提供信息，但不被解释为胶质瘤特定临床效用的证据。层级3包括用于情境化方法学和转化要求的综述、观点、指南和治理论文，而非支持模型性能声明。独立地，每篇记录被分配一个主要方法学类别：分割/检测、表征/通用模型、分子分类/预后、VLM/LLM应用、或综述/观点。证据相关性分类描述记录能支持何种声明，而方法学分类描述基础模型应用的类型。相同研究还映射到四个分析域——表征构建、多模态对齐或融合、疾病特定适配和临床转化——进一步组织为七个编号工作流组件。
作为次要报告质量分析，分配给四个模型聚焦方法学类别的111篇记录额外针对六项用于评估实际可复现性和可解释性的要素进行了图表化：公共代码或模型权重可用性、独立外部验证、明确MRI序列报告、明确表征/预训练域、明确表征维度（适用时包括2D、2.5D/多视图或体积3D）以及明确适配策略。仅在审计时咨询的材料中明确可识别时才将该字段编码为已报告；未解决字段标记为未报告/未识别（NR），而非推断为缺失。归档审计依据说明仅记录了125篇纳入记录中91篇的文献级别材料；因此，NR也反映了来源确定性的限制，不应被解释为完整出版物中省略该项目的证明。纯文本LLM研究和情境综述在适当处对图像特定字段标记为不适用。此二次审计是描述性的，未用作纳入标准。记录级审计编码和验证来源见补充表S1B和补充数据证据清单。
文献筛选由P.Z.使用预设纳入标准进行。数据提取由Y.Y.进行，提取记录由C.X.组织。在手稿准备期间，作者仅将ChatGPT（GPT-5.6，OpenAI，旧金山，CA，美国）用于语言编辑、语法润色、可读性和句子级组织。该工具未用于文献筛选、纳入决定、数据提取、证据分类、批判性评估、统计分析或科学结论生成。
由于语料库包含异质的出版物类型、任务和方法学细节水平，没有单一偏倚风险评估工具适用于所有纳入记录。因此，批判性评估基于领域进行，参考了CLAIM、MI-CLAIM、RIDGE、TRIPOD+AI、DECIDE-AI、CONSORT-AI和SPIRIT-AI。评估是描述性的而非基于评分，领域根据研究类型应用。对预测性研究强调外部验证、校准、数据分离和比较器强度；对可提示分割研究额外评估提示真实性、交互负担和失败处理；对VLM/LLM研究强调视觉接地、事实性、人工纠正负担和工作流效应。情境综述和治理论文未使用预测性能领域评估。在适用研究中，评估还考虑了预训练来源、对缺失序列的稳健性、复发和术后疾病、亚组公平性、代码和模型权重可用性、工作流整合和监测计划。评估用于限定解释，而非生成汇总偏倚风险评分或使用数值阈值排除研究。
操作性分类将SAM、MedSAM和SAM-Med3D作为代表性可提示和体积分割方法。nnU-Net被视为强任务特定分割比较器而非基础模型。BraTS和UCSF-PDGM被视为有影响力的公共基准，同时认识到反复用于预训练、模型选择和测试可能损害独立评估声明。伦理和实施问题的解释参考了多学会放射学AI原则以及医学影像数据准备和PACS整合的已发表指南。
2.4 诊断应用的技术框架
本综述中的基础模型被视为广泛预训练的系统，其表征或能力可跨任务、数据集或模态复用，而非仅仅是大型应用特定网络。一个主要应用家族使用可提示模型，如Segment Anything Model（SAM）和脑肿瘤适配，通过提示或微调迁移预训练图像表征。在纳入文献中，相关策略包括自监督预训练、掩码建模、多模态对齐、参数高效适配和全量微调。
对于胶质瘤应用，可复用MRI表征可通过共享嵌入、基于注意力的交互或多模态融合与放射报告、病理或临床变量信息结合。适配策略从零样本推理和提示到线性探测、低秩适配（LoRA）、适配器和全量微调不等。其诊断相关性不仅取决于下游性能，还取决于学习表征在跨机构、MRI协议、序列缺失、治疗状态和其他临床相关变异来源中是否仍具信息量。所提出的技术框架整合了表征学习、多模态整合、适配策略、胶质瘤特定输出和临床转化考量。
- 3.
结果
3.1 AI辅助胶质瘤诊断基础模型的证据格局
完整的记录级证据清单（包括文献特征和分配的证据类别）见补充表S1A；纳入研究引用见参考文献[23-147]。125篇纳入记录中，76篇为期刊文章，49篇为会议论文。根据来源导出中记录的出版年份，2篇记录为2023年，20篇为2024年，56篇为2025年，47篇为2026年。PubMed贡献43篇保留记录，IEEE Xplore 31篇，Scopus 24篇，SpringerLink 14篇，Web of Science 9篇，ACM数字图书馆4篇。所有125篇记录均存在DOI字段，77篇来源记录中可获得摘要。图2总结了时间增长、各文献来源的贡献和总体证据组成。表3列出了全部125篇纳入记录，按主要证据类别分组，并标注了每项研究的对应参考文献编号。
证据相关性分层识别出79篇具有直接胶质瘤或脑肿瘤相关性的层级1记录，31篇提供可迁移脑或医学基础模型证据的层级2记录，以及15篇层级3情境综合或治理论文。这些层级代表与疾病特定证据的接近程度，而非质量排名。例如，广泛预训练的脑MRI模型可在层级2证明表征迁移，但若无层级1疾病特定评估，则不能确立术后弥漫性胶质瘤的临床效用。证据还使用四个分析域进行解读：表征构建、多模态对齐或融合、疾病特定适配和临床转化。图3将这四个域操作化为七个工作流组件：输入模态、表征学习、潜在表征、对齐/多模态融合、适配策略、胶质瘤特定输出和临床转化。组件1-3描述表征构建，组件4描述对齐/融合，组件5-6描述疾病特定适配和输出，组件7描述临床转化。
3.2 AI辅助肿瘤分割与空间勾画
可提示分割是最大类别，包含47篇记录，提供了任务适配后空间解码的最清晰示例。在基于SAM的系统中，预训练图像编码器产生图像表征，提示编码器将点、框或掩码转换为条件信息，掩码解码器结合这些输入生成空间输出。纳入研究从自然图像SAM的直接零样本评估发展到胶质瘤特定解码器微调、多模态适配器、自动提示生成、SAM 2变体、知识蒸馏、弱监督、域适配、缺失模态方法和无提示系统。这些异质配置不应被视为单一干预，因为报告性能取决于预训练表征、输入维度、MRI序列、提示来源、掩码选择策略、适配深度和下游解码器。
直接评估报告了不同设置下的可变性能。Medical SAM提出了一种胶质瘤特定SAM微调方法。在单独的Multi-modal Medical SAM研究中，作者报告其私有FAHZU数据集上Dice为88.81%，HD95为9.83；该论文中87.33%和10.87的值指MedSAM适配器比较器而非所提出的多模态方法。另一项独立评估报告解码器微调后一致性改善，尽管nnU-Net v2总体上仍更准确。在放疗导向测试中，多平面聚合改善了三维重叠，而低级别肿瘤性能较低，表明对肿瘤表型和提示选择的敏感性。
多模态和体积适配解决了自然图像二维预训练的局限性。Multi-modal Medical SAM使用融合适配器组合互补MRI序列，并在私人和公共胶质瘤数据集上报告了改善。MSAM及相关方法明确处理了不完整MRI协议。SAMBA和MD-SA2评估了撒哈拉以南非洲人群中的SAM分割，从而在常用公共基准中代表性不足的扫描仪、采集协议、人口统计学和疾病分布差异下测试性能。
自动提示生成可减少手动交互，但引入了上游检测错误。YOLO-SAM混合系统可能在分割前的检测阶段失败；源自真实标签的点或框可能高估常规工作流中的性能；除非选择规则预先指定，从多个候选掩码中选择最佳构成神谕条件。使用自动目标检测提示、自生成提示、注视衍生弱标签或有限监督的研究应报告检测灵敏度、提示失败、交互次数、纠正时间、小病灶性能和需要手动重启的病例比例，而不仅仅是Dice。代表性可提示分割研究按数据集、适配策略、主要发现和主要解读局限性在表4中进行了比较。在表4-7中，第一列中的参考文献编号标识了所有行级数据集、比较器模型和报告性能信息所提取的纳入来源记录，除非另有说明。
3.3 用于诊断应用的可复用脑MRI表征
二十六篇记录主要聚焦可复用脑MRI或通用医学表征。该类别处理可跨诊断应用复用的潜在表征的构建。纳入模型使用了掩码图像建模、对比学习、形变预测、模态特定专家、大规模健康脑MRI档案、常规临床检查和医疗系统规模数据。这些研究评估了预训练表征是否保留了可迁移的解剖或疾病信息，而非仅优化单一终点。当同一编码器支持多种诊断应用、学习曲线证明标签效率、且性能在未于预训练或模型选择期间复用评估队列的情况下跨数据集迁移时，表征复用的证据更有说服力。
BrainSegFounder使用两阶段策略，在41,400名参与者的MRI上进行大规模解剖预训练，随后进行疾病导向预训练并在BraTS和卒中病灶分割上评估。一个使用模态专家混合的脑MRI病灶基础模型在九个数据集、五种模态和八种病灶类型上进行了评估，具有不同的病灶-模态分割评估，支持模态感知泛化。BDFM在多疾病脑数据库上使用掩码建模，并将学习表征迁移到使用小标注数据集的分割和分类。这些研究提供了比单任务评估更直接的跨任务表征复用证据，尽管跨病灶类型的广度并不能确立对术后腔、放射相关改变或抗血管生成治疗的稳健性。
几项近期研究使用了临床规模预训练队列。一项脑肿瘤试点研究在57,621例增强头部MRI扫描上预训练，并报告在肿瘤检测、鉴别和分子状态任务上比从头训练模型准确率提升约10%。UMBIF使用51,029例多机构MRI检查进行自监督预训练，支持WHO分级和亚型分类。NeuroVFM将预训练扩展到524万临床MRI和CT体积，并评估了多种诊断和报告生成任务。大规模预训练队列增加了数据多样性，但仍需独立评估以确定罕见胶质瘤表型和局部治疗模式是否得到充分代表。
其他纳入模型研究了掩码形变、多序列预训练、多模态掩码自编码、解剖基础模型、通用3D编码器和共享图像文本表征。这些研究表明学习表征的结构取决于预训练数据和学习目标。然而，大多数胶质瘤研究通过下游任务指标推断表征质量，而非直接评估检索、聚类、探测或扰动稳定性。对缺失输入的稳健性尤为相关，因为常规协议可能不包含T1、T1CE、T2和FLAIR的完整组合。稳健表征应在模态不可用时表现出特征明确且渐进的性能变化，而非产生特征不清的表征。表5按预训练规模、下游范围、主要贡献和剩余局限性比较了代表性脑MRI表征和通用基础模型。
3.4 分子特征刻画、分级与预后预测
十六篇记录将基础模型表征适配到分子状态、整合亚型、分级、进展或生存。这些研究考察了广泛预训练的解剖或影像表征是否保留了与更高层疾病推断相关的表型信息。临床动机是实质性的，因为组织取样具有侵入性且可能无法捕获空间异质性；然而，影像生物标志物应支持而非替代整合病理诊断。评估应包括校准、临床意义阈值、置信区间、类别特定灵敏度和与强常规影像及基因组基线的比较。
SAM-Med3D的参数高效适配展示了如何在不更新整个骨干网络的情况下重新利用通用空间表征。一项研究使用四个模态特定编码器配合低秩适配（LoRA）进行胶质瘤分子亚型分类，报告AUC为0.931。一个相关的SAM-Med3D模型结合了多视图融合和年龄及分级分层损失用于生存预测，在UCSF-PDGM上C指数为0.7508，在BraTS 2020上为0.7367。其他适配整合了T2-FLAIR错配特征、临床知识引导或基础模型嵌入与PET的结合。这些适配除了改变下游预测头外，还可能改变预训练表征中哪些组件对目标表型有贡献。
多模态融合将证据扩展到MRI之外，并提供另一条通往整合患者表征的途径。一个病理和放射学框架使用基础模型作为单模态专家，在未配对队列上训练后在匹配患者上评估；混合专家配置在独立测试集上对WHO 2021胶质瘤亚型分型达到AUC 0.94。FoundBioNet和其他多参数MRI模型针对IDH基因分型。这些研究支持跨域融合的可行性，但并不意味着MRI和病理占据单一公共潜在空间。评估应确定融合是否提供超越最强单模态表征的互补疾病信息，同时排除预训练、融合开发和独立测试之间的重叠或泄漏。
从放射报告进行分子预测不同于基于图像的影像基因组学。处理报告的LLM可提取专家观察和术语，但其输出继承了源报告中包含的信息和潜在错误，不能解释为直接MRI分析。此类系统应评估缺失信息、机构特定语言、历史诊断标签以及从报告预测与从图像预测之间的区别。表6总结了主要分子、分类和预后应用及其报告贡献和解读局限性。
3.5 用于整合胶质瘤诊断的多模态基础模型
二十二篇记录评估了VLM、LLM、CLIP风格表征、报告生成、报告分类、图像描述、图像合成或诊断支持。这些研究涉及多种不同形式的多模态交互。双编码器系统可学习对应的MRI和文本嵌入；令牌级VLM可允许图像和语言特征通过注意力交互；工作流LLM可能仅操作放射科医生撰写的文本。这些机制不同，应分开分析。纯报告模型的性能主要反映专家撰写的观察而非初级图像分析，而视觉接地模型应证明影像特征对输出有贡献，而非模板语言、嵌入文本或其他捷径。
最直接的疾病特定VLM证据是一个结合多参数MRI与配对放射报告用于成人型弥漫性胶质瘤的模型。它支持内外部队列中的IDH预测，并在评估病例中生成91.0%被判断为临床可接受的报告，受限于该研究的读者评估协议。Decipher-MR和对齐的多视图脑MRI嵌入将图像文本表征学习扩展到更广泛的3D MRI，但其胶质瘤相关性取决于下游疾病特定验证。这些研究将表征学习与多模态对齐分开：仅强MRI编码器不足以进行多模态推理，除非图像衍生和语言衍生信息能在患者、发现或令牌级别相关联。文本引导合成和增强对比MRI生成提供了生成应用，尽管合成图像需要评估解剖保真度和下游诊断有效性，而非仅视觉真实性。
基于报告的LLM研究评估了分类、诊断印象生成、MRI发现结构化、与放射科医生比较、辅助效应和纵向总结。这些研究与影像信息学相关，因为它们涉及报告工作流和认知支持，但纯文本性能不能确立视觉接地。读者研究应评估诊断准确性、错误严重性、阅读时间、置信度、自动化偏见以及辅助效应是否因读者经验而异。
生成语言的评估应在单个发现级别包含安全指标。BLEU、ROUGE和语义相似度可能给流畅但事实错误的文本分配高分。胶质瘤报告需要评估病灶位置、偏侧性、强化和非强化成分、弥散或灌注发现、占位效应、术后改变、与既往影像的比较以及不确定性。评估应识别不支持的既往比较、虚构的分子诊断、矛盾陈述和遗漏的紧急发现。由光学字符识别介导的模态优势研究和图像伪影研究进一步表明多模态模型可能依赖嵌入文本或其他捷径而非解剖结构。表7按输入、临床任务、贡献和主要安全关切总结了代表性视觉语言和语言模型研究。
3.6 泛化性、安全性与治理
十四篇记录综合了医学、放射学或脑影像基础模型，或涉及公平性、数据集、工程和治理。在这些报告中，关于预训练和表征的声明需要透明数据来源；多模态对齐需要互补信息证据而非捷径学习；适配需要强任务特定比较器；临床转化需要相关外部验证、公平性和安全性评估、明确预期用途和工作流评估。更广泛的迁移并未消除疾病特定验证的需要。在弥漫性胶质瘤中，对分子定义疾病、复发、治疗后改变和局部报告实践的专门评估仍然必要。
数据集综述是相关的，因为脑MRI基础模型受隐私约束、可识别性、采集异质性和诊断代表性不均的影响。健康脑档案提供解剖规模但可能低估肿瘤；公共肿瘤基准提供标签但经常被复用；常规临床档案增加异质性但可能包含噪声标签和报告不完整的纳入标准。基础模型报告应因此区分预训练规模与疾病患病率，并提供足够来源以评估预训练、适配和测试数据集之间的重叠。
3.7 临床转化的证据要求
在表4-7总结的代表性研究中，报告性能难以比较，因为干预在表征域、输入维度、预处理、MRI序列、预训练目标、对齐或融合机制、提示来源、适配策略、患者划分、比较器和终点方面存在差异。当相同预训练表征支持多个任务或数据集、多模态组件与强单模态基线比较、外部测试独立于预训练和模型选择、以及报告了校准、失败处理和工作流后果时，表征复用的证据更有说服力。当基础模型骨干仅针对单一任务微调而未证明更广泛复用，或下游任务指标是表征泛化声明的唯一依据时，证据说服力较弱。
证据基础仍以基准数据集为主。BraTS提供标准化的多模态肿瘤分割，但不能再现术后腔、血液产物、放射性坏死、假性进展、抗血管生成治疗、运动、不完整协议、多灶疾病或极小病灶的完整临床分布。外部验证应因此反映预期临床实施地点的偏移，而非依赖合并公共数据的随机划分。在预训练、提示开发、超参数选择或模型比较期间使用的公共队列不能随后作为独立外部测试集。
不完整MRI协议提供了表征稳定性的重要压力测试。需要全部四个标准序列的模型可能在推理前失败，或在模态缺失时生成训练期间未表征的分布外表征。训练期间模态丢弃有用，但不能完全再现临床缺失，后者可能与扫描仪能力、紧急程度、运动、对比剂禁忌和局部协议相关。研究应因此报告临床合理序列组合的性能、输入质量检查、弃权规则以及T1ce或FLAIR缺失的下游后果。使用多模态融合时，应明确评估各模态的贡献和融合表征在缺失输入下的行为。
临床输出需要终点特定评估。分割研究应报告表面距离、病灶级灵敏度、小病灶性能、代表性失败和专家编辑时间。分子预测应包括区分度、校准、灵敏度、特异度、置信区间和决策曲线分析。生存模型需要时间依赖验证和临床合理预测视界。生成报告需要在发现级别评估事实性、关键遗漏、矛盾和专家对潜在管理影响的审查。单一汇总Dice、准确率、AUC或语言相似度指标是不够的。表8整合了临床可信评估所需的证据域和应被视为不充分的证据示例。
探索性记录级报告审计。以下比例描述归档记录级审计中可识别的材料，而非独立验证的全文未报告率。在分配给四个模型聚焦方法学类别的111篇记录中，明确公共代码或模型权重可用性确认为25/111（22.5%），独立外部验证为13/111（11.7%），明确表征/预训练域为68/111（61.3%），明确适配策略为69/111（62.2%）。MRI序列报告适用于105篇记录，表征维度适用于104篇记录；在这些各自集合中，MRI序列在18/105（17.1%）中明确识别，表征维度在29/104（27.9%）中明确识别。这些计数刻意保守：仅在审计出版物、出版商记录或链接仓库中可识别明确支持信息时才计数该特征；NR不被解释为该特征在底层模型中缺失的证据。表9总结了归档审计中111篇模型聚焦记录中识别的报告特征。这些比例代表归档审计材料中可识别的报告特征，不应被解释为独立验证的全文报告率。NR表示在咨询材料中未识别该特征，而非原始出版物中不存在。分析包括分配给四个模型聚焦方法学类别的所有记录，包括一篇情境观点文章。
3.8 临床工作流整合与安全性
临床转化要求模型推理与编排、输入质量控制、审计和人工审查分离。传入检查应进行身份验证、序列识别、方向和配准检查、图像质量评估以及既往检查检索。应记录模型和预处理版本、提示或适配设置、输入序列和输出对象。分割和定量测量应保持可编辑，生成文本应作为草稿进入临床工作流供审查，而非作为权威声明。
预期用途和决策边界应明确。分割模型可支持轮廓编辑，但不应自主定义放疗靶区。分子模型可估计概率或优先安排检测，但不应替代基于组织的整合诊断。LLM可总结系列报告或起草印象，但放射科医生仍对影像发现和临床建议负责。界面应显示不确定性、来源、证据出处和弃权条件。
部署后治理应包括监测输入和输出漂移、缺失序列频率、拒绝输出、纠正率、关键错误、亚组性能、延迟、停机时间和用户覆盖。模型、提示、词汇或预处理的更改需要版本控制和重新验证。人工纠正可为后续受控更新周期提供信息，但不应触发未经审查的在线学习。所提出的临床工作流和安全门控总结于图4。
- 4.
讨论
4.1 从技术性能到诊断效用
本综述表明基础模型正被应用于不断扩大的胶质瘤MRI任务范围，但支持常规神经放射学使用的证据远不如支持技术可行性的证据成熟。最强证据涉及可复用脑MRI表征和可提示肿瘤分割，而多模态解读、分子特征刻画、外部可迁移性、术后和复发性疾病以及前瞻性工作流评估仍不太成熟。
综述文献还需要明确区分基础模型与构建于基础模型之上的下游应用。近期一项跨医学图像分析的系统综述和定量分析同样将泛化、评估、公平性和临床实施识别为持续挑战。本疾病特定综合表明胶质瘤MRI增加了几个具有直接诊断相关性的约束，包括不完整MRI序列、术后和复发性疾病、多模态整合以及保持预训练、适配和外部测试队列之间独立性的需要。因此，广泛的医学影像基准性能不能被假定为在没有疾病特定验证的情况下确立胶质瘤MRI的临床就绪度。
分割是最成熟的应用，并说明了输出质量对表征和适配的双重依赖。最高自动Dice分数不一定是最临床相关的终点。源自真实标签的提示可产生神谕条件，而自动提示生成引入了与预训练图像编码器分离的上游检测失败路径。在放疗计划中，一个能持续减少编辑时间并识别不确定区域的交互式模型可能比自动重叠边际改善但伴有不可预测失败的模型提供更大临床价值。直接比较研究应在相同病例上评估全自动推理、单次交互提示、迭代纠正和专家手动分割，并报告时间、纠正负担和临床重要边界错误。
分子和预后模型将表征复用扩展到空间解码之外，但需要更高的证据标准。IDH、1p/19q、MGMT、分级和生存具有不同的参考标准和临床意义。历史公共队列也可能包含先于WHO 2021分类的诊断标签。除区分度外，研究应确定学习表征是否在跨站点一致地分离临床有意义的表型，以及在校准后或类别患病率变化时性能是否保持。除非已证明前瞻性临床效用，影像基础预测应被定位为决策支持或分诊。
VLM和多模态系统引入了独特的对齐问题。强图像单独和文本单独性能不能确立有意义的多模态对齐。语言流畅性可增加自动化偏见；源自报告的模型可再现放射科医生错误；图像文本模型可利用嵌入文本或报告模板；生成报告可引入不支持的既往比较或分子结论。评估应因此解决视觉接地和表征质量、跨模态增量贡献、发现级别正确性、报告连贯性、潜在管理后果和用户效应。局部验证仍然必要，因为语言惯例、报告模板、扫描仪分布和转诊患病率在不同机构间存在差异。
如表8和图5所总结，临床转化需要超越回顾性基准性能的证据。公共数据集上的性能确立技术可行性，但不能证明学习表征在新临床环境中的稳定性。独立多中心测试应检查域偏移、缺失输入、校准和临床相关失败模式。涉及人机交互的研究应评估适配和不确定性显示是否减少纠正负担并提高诊断可靠性。工作流评估应评估互操作性、延迟、升级路径、来源和用户监督，而已实施系统应包括漂移监测、事件响应、版本控制和回滚。声明应限于直接证明的最高证据级别。
4.2 对临床诊断和未来研究的启示
对于临床实践，基础模型应作为完整的诊断支持系统进行评估，该系统将学习表征与工作流组件耦合，而非作为孤立的预测引擎。潜在角色包括肿瘤勾画、术前分子风险评估、纵向影像评估和报告辅助，但这些功能应补充而非替代整合病理诊断。相关评估单元包括输入模态、预训练编码器、潜在表征、对齐或融合机制、适配配置、任务解码器、用户界面、人工审查、下游信息系统和监测过程。评估应因此超越单一Dice分数或AUC，确定表征在现实扰动下是否仍具信息量，以及完整系统是否改善可靠性、校准、纠正负担、互操作性、延迟或来源追踪。
对于实施，可复用表征在容忍现实协议变异和缺失输入、暴露不确定性、保留可编辑输出并与现有DICOM、PACS和RIS工作流整合时最有价值。多模态和语言启用系统还需要每模态增量贡献的证据、防止捷径学习和无根据文本生成的保障措施，以及控制继承报告错误和跨模态信息泄漏。局部验证仍然必要，因为扫描仪分布、报告惯例、疾病患病率、治疗模式和临床工作流在不同机构间存在差异。
对于研究，优先事项超越增加预训练规模。记录级报告审计（受可访问来源材料深度的限制）表明表征域比表征维度更常被明确识别（68/111 [61.3%]对29/104 [27.9%]适用记录），而明确MRI序列报告仅在18/105（17.1%）适用记录中确认。适配策略在69/111（62.2%）中明确识别，而公共代码或模型权重在25/111（22.5%）中确认，独立外部验证在13/111（11.7%）中确认。这些发现强化了报告表征域和维度、预训练目标、投影或融合机制、适配策略、确切MRI输入以及相同表征是否跨任务复用的需要。表征的直接分析，包括检索、线性探测、聚类、扰动稳定性和模态消融，可补充下游任务指标。疾病特定优先事项包括在患者和站点级别分离的验证、临床合理缺失序列和伪影压力测试、校准和弃权分析、术后和复发性疾病评估、亚组分析、预训练来源的可复现报告以及人机交互和工作流终点的前瞻性研究。表10将这些优先事项整合为涵盖可复用表征、外部可迁移性、工作流整合和前瞻性临床影响的研究议程。
- 5.
局限性
本综述存在若干局限性。首先，尽管保留了数据库特定检索策略和汇总筛选计数，但当前数值摘要无法在无六个原始数据库导出和完整去重/决定日志的情况下独立重建；此外，原始筛选日志未保留详细资格评估期间排除的400篇报告中各原因的互斥计数。第二，48篇记录在来源导出中缺乏摘要，一些近期会议记录提供的方法学细节有限。第三，该领域变化迅速：根据来源导出中记录的出版年份，125篇纳入记录中103篇为2025或2026年，留给独立复制的有限时间。在线优先出版日期和最终期卷年份可能不同，基于年份的摘要应因此按来源导出的既定惯例解读。第四，操作类别重叠。SAM-Med3D应用可同时作为分割方法和分子分类器，VLM也可作为通用表征模型。计数时分配一个主要类别，重叠在叙述综合中处理。第五，任务和终点的异质性排除了荟萃分析。参考和DOI字符串已进行内部一致性筛选，但文献检查不能确立每个DOI解析到对应主要论文，研究级方法学评估深度受来源记录和可访问报告中可用细节的限制。第六，检索策略有意以MRI为中心。仅基于病理、基因组学、其他组学数据或电子健康记录的基础模型未被全面检索，除非与胶质瘤影像有明确联系。因此，跨域多模态仅在涉及以MRI为中心的胶质瘤证据交叉处讨论，不应被解读为对所有胶质瘤多模态基础模型的详尽综述。最后，二次报告质量审计刻意保守：仅在审计出版物、出版商记录或链接仓库中可识别明确信息时才将字段计为已报告。NR因此表示审计期间未识别的信息，而非所有可能补充或未发表材料中的确定性缺失。
- 6.
结论
基础模型通过支持肿瘤勾画、可复用MRI表征学习、分子特征刻画、多模态整合和诊断工作流辅助，为AI辅助胶质瘤诊断显示出前景。然而，由于独立外部验证、对影像异质性和序列缺失的稳健性、校准及前瞻性工作流评估仍有限，当前证据不足以支持常规临床实施。未来研究应优先多中心验证、标准化和透明评估、不确定性和弃权分析，以及诊断效用和人机AI工作流结果的前瞻性评估。
