《Frontiers in Neurology》：Validation of open-source deep learning segmentation tools for automated glioma volumetry: a narrative review of Dice scores, workflow efficiency, and clinical RANO 2.0 implementation
背景： 图像分割能够提取定量影像学特征，通过体积测量和疗效评估增强胶质瘤诊断能力。本叙述性综述旨在评估用于胶质瘤分割的开源软件及其与神经肿瘤疗效评估标准（Response Assessment in Neuro-Oncology, RANO 2.0）体积测量标准的契合度。
方法： 研究人员在本叙述性综述中筛选了13款开源工具进行评估，入选标准包括支持多模态MRI序列（T1加权像、T1对比增强像、T2加权像、液体衰减反转恢复序列）、在公开数据集（BraTS挑战赛）上的性能表现以及与RANO 2.0体积测量的适用性。评估内容包括Dice系数、工作流程效率、优势、局限性及临床转化潜力。
结果： 各工具在肿瘤亚区的Dice系数为0.73–0.92。尽管分析验证水平较高，但临床实用性仍受限：根据QUADAS-2（诊断准确性研究质量评价工具2）评估，85%的疗效评估研究存在患者选择偏倚风险。至关重要的是，截至2024年11月，尚无自动化工具专门针对RANO 2.0标准完成正式验证，尽管该标准于2023年即已强调体积测量的标准化。
结论： 开源分割工具在标准化胶质瘤体积测量方面前景广阔，新兴工具（GlioMODA、AutoRANO）明确以RANO 2.0兼容的体积评估为目标。将开源创新与商业化临床整合相结合的混合策略有望优化临床转化路径。
1 引言
胶质瘤是成人最常见的原发性脑肿瘤之一，具有较高的致死率和致残率。当前治疗策略包括最大限度安全范围内的手术切除、基于2021年世界卫生组织（WHO）中枢神经系统肿瘤分类的组织病理学及分子遗传学分型，以及肿瘤综合治疗。磁共振成像（MRI）在诊断及疾病进展监测中均发挥核心作用。MRI数据的自动化分析能够获得客观的影像组学标志物，用于评估术前及术后肿瘤体积、判断疾病进展以及监测治疗效果。基于软件的影像数据处理具有数学精确性，能够实现对既往人工难以识别的细微变化的靶向分析，而这类变化往往低于人眼可辨阈值。
体积分析的关键步骤是分割，即识别感兴趣区域（Region of Interest, ROI）以提取对应肿瘤扩展各组成部分的特征性组织属性——尤其是形态和纹理特征。RANO 2.0标准的引入旨在统一高级别和低级别胶质瘤的疗效评估规范。自2023年更新以来，该标准将体积测量与传统二维测量视为等效，并支持非侵入性技术的进一步整合，为影像组学方法的广泛应用打开了大门。Shi等人2025年发表的关于自动纵向疗效评估的平行系统性综述纳入了20项使用机器学习进行脑肿瘤疗效分类的研究。值得注意的是，尽管RANO 2.0标准于2023年发布并明确强调体积测量，截至2024年11月尚无研究实现专门针对这些更新标准的自动化评估验证。这一时间差凸显了一个关键机遇：本综述评估的13款开源工具，特别是nnU-Net凭借其体积测量能力（Dice系数0.89，组内相关系数0.92–0.99），使开源软件成为RANO 2.0兼容的纵向评估流程的有力候选。此外，有迹象表明，结合最新的胶质瘤分型，经过适当训练的深度学习工具有望支持无创分子分型，尤其在高危患者中。然而，在临床部署前仍需开展前瞻性多中心验证。
影像组学在胶质瘤领域的应用日益广泛。分割模型已被证实能够更准确地区分放射性坏死与肿瘤复发，这对后续临床决策至关重要。此外，影像组学与放射基因组学的结合揭示了肿瘤异质性的基因组基础，影像组学模型正被训练用于预测肿瘤分子标志物，如异柠檬酸脱氢酶（IDH）突变状态。近期研究还强调了深度学习（DL）和机器学习（ML）软件在分析复杂神经肿瘤治疗后胶质瘤方面的价值，以评估术后肿瘤残余及制定后续治疗方案。
1.1 感兴趣区域分割
在对肿瘤及其他ROI（如瘤周水肿或非对比增强的肿瘤浸润成分）进行分割之前，必须对输入数据进行预处理。大多数软件工具均配置了既定的预处理流程，可在分割前自动优化分辨率并将原始数据裁剪至仅保留脑部区域（即所谓"颅骨剥离"）。分割是影响提取数据质量及其后续处理的关键步骤。
传统上分割采用手动或半自动化方法，但耗时较长且观察者间变异性显著。近年来机器学习算法的发展推动了向全自动、可重复、快速分割的转变。例如，研究人员所在机构早期的一项研究中，基于处理后的T1加权对比增强序列（T1CE）进行的半自动胶质母细胞瘤分割耗时约45分钟。相比之下，当前使用更先进软件的项目已将分割平均耗时缩短至约3分钟，且可同时处理多个MRI序列。虽然这一改进部分反映了操作人员技能的提升，但需注意研究人员所在机构的处理时间与文献报道差异不大，因此具有合理代表性。
Dice系数是衡量机器学习模型在图像分割等任务中可靠性和性能的常用客观指标，基于机器学习系统输出与专家人工评估结果的一致性计算得出，取值范围为0–1，0表示无重叠，1表示完全重叠。nnU-Net和3D U-Net等开源胶质瘤分割模型的Dice系数为0.85–0.92。
多模态MRI序列（T1W、T1CE、T2W或FLAIR）常用于识别胶质瘤的各个组成部分，包括存活及坏死肿瘤组织、水肿、瘤周浸润带以及非对比增强或对比增强区域。分割基于来自公开或研究机构私有数据集的"学习"数据，这些数据集包含基于专家共识标注的区域，软件通过学习关联MRI扫描中的特定模式来实现识别。截至2025年，已有28个数据集向公众发布，涵盖2005–2025年间5515例患者的62019次MRI检查。其中最著名的是BraTS挑战赛（脑肿瘤分割挑战赛）数据集，参赛者每年在全球范围内对样本数据进行分割以优化机器学习模型并消除分割误差或歧义。2024年最新的BraTS挑战赛聚焦于治疗后数据集及提升模型在真实临床场景中的泛化能力。
1.2 驱动胶质瘤体积评估的临床问题
在评估具体软件之前，有必要重申精准体积分割为何在胶质瘤管理中至关重要，因为这直接决定了哪些技术特性在临床上可被接受。RANO 2.0的引入已将体积标准正式确立为高级别和低级别胶质瘤的主要疗效终点。对比增强肿瘤体积增加≥50%或T2/FLAIR非增强病灶体积增加≥40%定义为疾病进展，而增强体积减少≥50%定义为部分缓解。二维测量虽仍被接受，但对于形态不规则或浸润性病灶日益被认为不足，且IDH抑制剂突变的前瞻性试验已表明体积终点能够检测到二维标准遗漏的治疗效应。
从临床角度看，并非所有分割误差的影响等同。在系列扫描中可相互抵消的随机误差会降低单时间点Dice系数，但对纵向疗效分类的影响可能有限。系统性误差——例如持续高估或低估增强环，或在出血、术后血产物或类固醇诱导的增强存在时的差异性表现——则问题严重得多，因为它们会在各时间点沿同一方向偏倚体积轨迹，可能导致患者在无真实生物学改变的情况下跨越RANO 2.0阈值。增强/非增强界面的误差在临床上尤为相关，因为该边界既定义了疗效分类，也界定了放疗计划靶区。
各分割区域的临床相关性因肿瘤类型和疾病阶段而异。对于高级别对比增强肿瘤，增强成分是疗效评估的主要靶标，切除腔对术后早期评估至关重要（需在此区分残留增强肿瘤与血产物及反应性增强），而FLAIR/T2非增强成分则用于评估治疗效应、假性进展及浸润范围。对于低级别和IDH突变型胶质瘤，FLAIR/T2成分是主要的临床可操作信号，针对对比增强疾病优化的分割工具在此可能表现不佳。瘤周水肿虽然在BraTS式流程中常规被分割，但在大多数疗效评估场景中独立临床决策价值有限。
这些考量对分割工具的评估方式具有直接指导意义。高的单时间点Dice系数是必要条件但非充分条件：纵向可重复性（通常通过测试-重测或双基线数据上的组内相关系数量化）、跨扫描仪和采集协议的稳健性、术后腔中小残留病灶的检出灵敏度，以及在增强/非增强界面的表现同样重要。Metrics Reloaded框架近期在更广泛的生物医学图像分析领域正式提出了这一观点，建议根据具体问题选择指标而非仅依赖Dice系数。基于这一临床框架，本综述其余部分依据上述标准对各工具进行评估，并着重说明每款工具实际解决的临床问题。
2 方法
本叙述性综述评估了13款用于胶质瘤体积测量的开源分割工具，筛选标准包括开源可用性、与脑肿瘤影像的相关性（如支持T1W、T1CE、T2W、FLAIR等多模态MRI序列）、在公开数据集（如BraTS挑战赛）上的表现，以及与术后评估等临床场景（如RANO 2.0体积测量）的适用性。工具通过文献检索（PubMed、GitHub代码库）确定，部分在奥洛穆茨大学医院进行了机构内测试。
研究人员评估了各工具的数据集、Dice系数（来自已发表验证研究）、优势、局限性及对胶质瘤管理的意义。检索覆盖2005年至2026年1月的出版物，检索词包括"胶质瘤分割""脑肿瘤影像组学""开源""深度学习分割"和"RANO体积测量"。纳入标准要求工具：(1)开源且免费可用；(2)适用于多模态脑MRI数据；(3)在同行评议文献或成熟代码库中有所记载；(4)与胶质瘤分割或影像组学特征提取相关。排除标准为专有商业工具、缺乏脑肿瘤应用文档或无已发表验证数据的工具。MONAI和DeepMedic等通用框架被纳入修订版，因为尽管它们并非胶质瘤专用工具，但已在BraTS胶质瘤数据集上得到广泛验证，代表了当前分割领域的重要组成部分。本研究未分析新的患者数据；所有评估均引自已发表来源及匿名化机构MRI扫描的实际测试（依据方案无需伦理审查委员会批准）。需注意的是，各工具报告的Dice系数源自使用异质性数据集、病灶大小分布和肿瘤区域定义的不同验证研究，限制了工具间的直接可比性。读者应将这些数值理解为反映各工具在其特定验证背景下性能的指标，而非可直接比较的基准。
本综述建立在同期发表的基于机器学习的自动纵向疗效评估系统性综述框架之上，后者使用标准化质量评估标准（QUADAS-2）评估了20项研究。Shi等人2025年的综述侧重于纵向疗效分类（判定进展、稳定疾病、部分缓解或完全缓解），而本综述则聚焦于支撑此类评估的基础分割工具。本文评估的13款工具代表了更广泛疗效评估文献中调查的方法学所依托的软件基础设施。
3 面向临床使用的交互式平台
3.1 ITK-SNAP
ITK-SNAP是一款用于多模态图像半自动分割的软件工具，最初发表于NeuroImage（2006年），主要并非基于训练模型。它被用于BraTS数据分析研究中的手动分割，因此无Dice系数。该工具以手动为核心的特点意味着其在小规模研究中可减少主观性，但限制了其在临床常规中用于RANO 2.0体积测量的可扩展性，可能增加浸润性胶质瘤的偏倚风险。
3.2 3D Slicer
3D Slicer是一个医学图像可视化和分析平台，最初发表于Magnetic Resonance Imaging（2012年），并于2013年首次应用于胶质母细胞瘤体积测量研究。在大多数使用场景中，它基于TCGA-GBM或BraTS数据集训练，尽管其扩展模块支持无需特定训练的手动/半自动分割，且模型可在本地数据上训练。在一项比较研究中，3D Slicer在胶质母细胞瘤分割上实现了0.80–0.84的Dice系数。其3D可视化功能通过与3D打印集成支持临床研究，意味着在RANO 2.0框架下可通过体积追踪更好地规划治疗。
4 面向临床使用的全自动深度学习平台
4.1 nnU-Net
nnU-Net是基于U-Net架构的自动分割接口，能够自适应所呈现的数据集。其期刊论文发表于Nature Methods（2020年），在相关研究中最常基于BraTS数据集训练。2024年的最新评估显示，其在术后MRI中对比增强肿瘤成分的Dice系数为0.81，水肿为0.77，手术腔为0.81。应用于术前图像时Dice系数更高：全肿瘤0.89，中央坏死部分0.80，对比增强肿瘤成分0.82。2025–2026年的最新验证将nnU-Net扩展至治疗后及儿童胶质瘤，Dice系数在数据集间维持在0.77–0.89，包括用于低级别胶质瘤疗效预测的集成模型。nnU-Net高达0.89的Dice系数意味着观察者间变异性降低，支持RANO 2.0评估的体积测量组分，并有望通过改善复发检测避免对浸润性胶质瘤的过度手术治疗。
4.2 Raidionics
Raidionics是用于脑肿瘤（包括脑膜瘤和转移瘤）术前术后分割的开源软件，发表于Scientific Reports（2023年），基于来自BraTS等公开来源的多机构数据集训练，代表多种肿瘤类型包括胶质瘤。其平均Dice系数为0.85。基于多机构数据的训练表明其在涉及术后残余评估的真实世界RANO 2.0应用中具有良好的泛化能力。
4.3 HD-GLIO
HD-GLIO是基于深度神经架构的术前术后胶质瘤分割框架，构建于nnU-Net框架之上。其算法使用深度学习进行自动肿瘤分割，对于边界清晰的对比增强病灶Dice系数可达0.87。其对较大病灶的有效性表明其可能适用于初始RANO评估，但在随访中可能遗漏小残留灶。不过，HD-GLIO的自动分割输出可导出并加载到ITK-SNAP或3D Slicer等交互平台进行手动精修，这在一定程度上缓解了独立工作流集成的局限性。
4.4 BraTS Toolkit
BraTS Toolkit是一款模块化开源工具，专为自动脑肿瘤分割设计，使临床实践和研究人员无需深厚技术背景即可便捷使用先进算法（尤其是来自BraTS挑战赛的算法）。用户可选择命令行控制或简易图形界面。模型融合提升了准确性。
4.5 TumorPrism3D
TumorPrism3D是一款半自动研究程序，具有稳健的图形界面，针对手动和人工智能辅助的术前术后胶质瘤分割进行了优化。其内置基本统计计算功能，输出与PyRadiomics兼容，支持后续影像组学特征提取。在一项试点研究中，其Dice系数为0.83–0.91。遗憾的是撰写本文时该工具尚未公开发布。
4.6 DeepMedic
DeepMedic是一种多尺度3D卷积神经网络，专为脑病灶分割设计，发表于Medical Image Analysis（2017年），作为多模型多架构集成（EMMA）的一部分赢得了BraTS 2017挑战赛。在Pemberton等人2023年跨越全球12家医院的多中心评估中，经稀疏化训练后DeepMedic的Dice中位数处于人类观察者间一致性范围内（0.74–0.85）。然而，DeepMedic在外部临床数据上的异常值率显著高于nnU-Net（Dice系数8.75% vs 3.65%，豪斯多夫距离36.21% vs 2.65%），凸显了其在真实世界数据上性能退化的更大易感性。这一较高的异常值率为RANO 2.0兼容部署提供了警示：工具可能在临床可接受的中位性能下，在常规临床环境中产生不可靠的个体分割结果，而异常值行为对于可信赖的体积疗效评估至关重要。
4.7 MONAI Auto3DSeg
MONAI（医疗开放人工智能网络）是基于PyTorch的医疗影像深度学习开源框架。虽然MONAI是通用框架而非胶质瘤专用工具，但其Auto3DSeg流程和预训练模型（包括SegResNet和Swin UNETR架构）在BraTS基准测试中取得了顶尖成果。使用MONAI Auto3DSeg的NVAUTO团队在2023年三项BraTS挑战赛中获第一名（脑转移、脑膜瘤、BraTS-非洲），并在成人和儿童胶质瘤组别获第二名。在BraTS 2021验证集上，基于MONAI的Swin UNETR模型Dice系数约为全肿瘤0.92、肿瘤核0.89、增强肿瘤0.86。MONAI代表了当前医学图像分割框架的最先进水平，其Auto3DSeg流程和挑战赛获胜表现使其成为RANO 2.0合规体积测量流程的有力候选，尤其在与nnU-Net组成集成配置时。
4.8 FeTS
FeTS是一个使用联邦学习实现隐私保护脑肿瘤分割的开源生态系统。它集成了三个预训练的BraTS挑战赛模型（DeepMedic、DeepSCAN和nnU-Net），并提供标签融合策略以生成共识分割。FeTS解决了RANO 2.0兼容多机构部署的关键障碍：需要在维护患者隐私的同时跨不同机构数据验证模型。其联邦学习方法可能对需要标准化体积评估的多中心临床试验至关重要。
4.9 GlioMODA
GlioMODA是专门设计的深度学习框架，用于在多样且不完整的MRI协议下实现稳健的自动胶质瘤分割，发表于Neuro-Oncology Advances（2026年）。关键的是，GlioMODA证明精简的双序列方案（T1-CE + T2-FLAIR）产生的体积差异与人工金标准相比无统计学显著性：增强肿瘤中位差异55 mm3（p = 0.157），全肿瘤中位差异?7 mm3（p = 1.0）。GlioMODA是最早明确符合RANO 2.0体积测量要求的工具之一，证明仅需最少的两个MRI序列即可实现临床可靠的胶质瘤体积测量，直接解决了不完整临床MRI数据的实际障碍。
4.10 AutoRANO
AutoRANO是一个全自动开源深度学习流程，用于脑提取、胶质瘤分割（FLAIR高信号和对比增强肿瘤）以及自动RANO测量（包括二维直径和体积量化）。该流程在来自4个机构的843例术前MRI和54例胶质母细胞瘤患者的713次纵向术后MRI访视上进行了验证。自动生成的体积显示出高重复性（FLAIR的ICC 0.986，CE肿瘤的ICC 0.991，AutoRANO的ICC 0.977）以及与人工专家测量高度一致（体积的ICC 0.915–0.965）。纵向变化测量显示体积变化的ICC为0.917–0.966，RANO测量变化的ICC为0.850。AutoRANO是唯一一款同时自动执行体积和二维测量的被评工具，其纵向验证和高ICC值表明其已准备好整合入临床试验疗效评估流程，有望降低观察者间变异性和裁决率。需注意的是，"RANO 2.0兼容"指支持RANO 2.0标准中影像衍生的体积组分；完整的RANO 2.0疗效评估还需整合临床体能状态和皮质类固醇数据。
4.11 DeepGlioSeg
DeepGlioSeg是一种U形CNN-Transformer混合架构，用于多模态胶质瘤MRI分割。其核心创新是CTPC（CNN-Transformer并行组合）模块，融合了CNN分支的局部特征和Transformer分支的全局依赖关系。模型采用加权损失方法解决肿瘤区域不平衡问题。DeepGlioSeg代表了胶质瘤分割中混合CNN-Transformer架构的新兴趋势，虽尚未临床转化，但其多数据集验证和开源可用性使其成为未来RANO 2.0体积测量流程的候选，尤其适用于处理异质性肿瘤形态。
5 讨论
本综述中"RANO 2.0兼容"指支持RANO 2.0标准中影像衍生的体积组分的工具。完整的RANO 2.0疗效评估还需整合临床体能状态、皮质类固醇剂量变化和确认进展或缓解的时间标准。没有任何分割工具仅凭其准确性即可被视为"RANO 2.0合规"：完整的RANO 2.0流程需要将影像分割与临床数据管理耦合。
自动胶质瘤分割是一个快速发展的领域，通过医学影像数据的定量分析具有变革胶质脑肿瘤管理的巨大潜力。所评估的开源软件工具灵活且免费获取，但普遍缺乏正式的临床验证和监管批准，使其整合入常规临床流程复杂化。虽然分割工具的Dice系数较高（0.77–0.92），但这些数值源自使用异质性测试数据集、病灶大小分布和评估肿瘤区域的不同验证研究，限制了工具间的直接比较。此外对其临床实用性的全面评估仍然有限。一项针对20项自动疗效评估研究的系统性综述发现，根据QUADAS-2评估，仅15%的研究在患者选择和指数测试设计方面满足低风险标准。具体而言，85%的研究在患者选择方面存在不明确或高偏倚风险，80%在参考标准定义方面存在类似问题。这些发现强调高分析验证（Dice系数）并不保证临床验证或部署就绪。最关键的是，截至2024年11月，尚无机器学习工具针对更新的RANO 2.0标准完成正式验证，尽管该标准明确强调体积标准化。不过2025–2026年的进展，包括针对儿科转化的AI-RAPNO建议和类似AutoRANO的体积测量工具，表明合规性正在趋于成熟。
RANO 2.0定义了疾病进展状态的特定体积阈值：对比增强病变体积增加≥50%或T2/FLAIR非增强病灶体积增加≥40%构成疾病进展，而增强体积减少≥50%代表部分缓解。这些阈值不仅需要精准的单时间点分割，更重要的是需要测量的纵向一致性。一款具有中等Dice系数但能在时间序列中一致追踪病灶体积变化的分割工具，可能比Dice系数更高但纵向可重复性差的工具有更大的临床实用价值。本综述评估的Dice系数捕捉的是单时间点的一致性，并未评估分割误差在系列扫描中是系统性还是随机性的，而这正是可靠体积趋势监测的关键决定因素。此外，小病灶的分割误差将导致与其绝对不精确度不成比例的低Dice系数，在评估临床实践中遇到的异质性肿瘤大小的工具性能时需考虑这一点。另外RANO 2.0将皮质类固醇使用和临床状态等临床因素纳入疗效评估，这些无法仅通过基于影像的分割工具捕获。因此完整的RANO 2.0合规自动流程需要将影像分割与临床数据管理（包括皮质类固醇剂量变化记录）整合以提供完整的疗效评估。
自动分割框架如nnU-Net在胶质瘤分割上实现了0.81–0.86的高Dice相似系数，超越了诸多传统方法。然而尽管前景可期，开源解决方案仍存在一定局限性：安装和优化需要专业技术知识，对影像数据变异性（如异质性或缺失MRI模态）敏感，且在术后影像场景中可能产生分割误差。最后部分开源工具在多中心数据应用时泛化能力有限、性能不稳定，若在未经验证的场景中使用存在偏倚风险和图像质量问题。泛化能力是关键的局限。Shi等人2025年发现60%的研究仅在单中心术后数据上训练和测试，40%使用术前BraTS数据训练而在术后临床数据上测试——造成了可能虚高表观性能的"域差距"。仅15%的回顾研究采用前瞻性数据收集，仅55%纳入多机构数据集。本综述评估的开源工具在外部数据集上也表现出不同的性能（如nnU-Net的Dice系数因数据集和序列而异，范围为0.77–0.89），表明机构部署需要场所特异性验证而非直接采纳已发表指标。为弥补这些缺口，未来研究应优先考虑具有外部验证数据集的前瞻性多中心设计以及对RANO 2.0标准的明确验证。整合基于扩散张量成像（DTI）的影像组学进行浸润绘图可进一步增强复发预测能力。
所评估工具集揭示了一个朝向RANO 2.0特定功能的重要趋势。GlioMODA证明仅需两个MRI序列（T1CE和T2-FLAIR）即可实现可靠的胶质瘤体积测量，直接解决了不完整临床方案的障碍。AutoRANO独特地提供了体积和二维RANO测量，具有高的纵向可重复性（ICC 0.977–0.991），是所评估工具中与RANO 2.0对齐最紧密的。FeTS框架通过联邦学习解决了多机构验证的补充性挑战，实现了跨站点的隐私保护模型训练。与此同时，DeepGlioSeg和MONAI的Swin UNETR等混合CNN-Transformer架构代表了不断演进的最新技术，BraTS 2023集成模型的Dice系数达到全肿瘤0.90、肿瘤核0.87、增强肿瘤0.85。Pemberton等人2023年的多中心比较仍然是最严格的跨工具评估，证实了nnU-Net卓越的泛化能力（异常值率3.65% vs DeepMedic的8.75%）。综合来看，尽管目前尚无单一工具能满足所有RANO 2.0要求，但结合AutoRANO进行测量自动化、GlioMODA或nnU-Net进行稳健分割、FeTS进行联邦多机构部署，可构成一个全面的RANO 2.0兼容流程。
5.1 从分割到生物学：影像组学和放射基因组流程中的误差传播
分割是多阶段分析流程的第一步，最终目标是从影像中提取生物学和预后信息。分割阶段的误差并非止步于此：它们会向下游影像组学特征提取传播，进而延伸至分子预测和放射基因组模型。一项对41项研究的系统性综述发现影像组学特征对图像采集设置、重建算法、预处理和分割的敏感度各不相同，其中纹理和形态特征的再现性普遍低于一阶统计量。影像生物标志物标准化倡议（IBSI）已正式确定了特征定义并提供了参考值以减少软件间变异性，但各研究的采纳情况仍不一致。
对于胶质瘤而言，有两个后果具有临床相关性。首先，肿瘤/水肿或增强/非增强界面的边缘体素承载了不成比例的浸润模式表征信息密度，意味着即使全肿瘤Dice系数较高，这些边界的小分割差异也可能显著改变纹理和形态特征。表面Dice和豪斯多夫距离比体积Dice更能捕捉边界保真度，但在本综述评估的工具中仅有少数报告了这些指标。其次，为分子预测（最突出的是IDH突变状态和O6-甲基鸟嘌呤-DNA甲基转移酶（MGMT）甲基化）训练的影像组学模型，当底层分割流程在不同机构间变化时可能表现出敏感性和特异性的漂移。这意味着共享训练好的放射基因组模型而不共享（或至少标准化）分割流程不太可能获得可复现的性能，多机构放射基因组验证除报告特征提取参数外还应报告所用的具体分割工具及版本。
这些观察结果限定了将自动分割乐观地描述为精准肿瘤学赋能者的表述：这种赋能要求整个流程——而不仅仅是分割——进行端到端的标准化和验证。从临床转化角度看，这主张开展前瞻性验证研究，联合报告分割、特征提取和分子预测性能，而非将分割作为孤立的技术任务进行评估。
相比之下，Quibim Precision和NeuroQuant等商业软件平台提供集成化、用户友好的分割解决方案，拥有FDA和CE认证等临床资质、工作流自动化及PACS系统集成，便于在临床环境中使用，特别是对于RANO 2.0要求的精准体积肿瘤评估和复发监测。然而商业平台通常成本高昂、闭源且可定制性较低，限制了小型研究团队和机构的获取。
影像组学生存临床适用性的一个重要限制因素是影像组学特征的有限稳健性。越来越多的文献表明影像组学特征对MRI采集参数（如场强、序列参数、层厚）、扫描仪制造商、重建算法和图像预处理步骤的变化敏感。这些变异性来源可能引入显著的特征不稳定性，潜在破坏跨机构和纵向评估中基于影像组学模型的可复现性。虽然IBSI等标准化倡议和ComBat等协调技术已被提出，但其采纳仍不一致。因此，影像组学的临床适用性前景应在考虑这些稳健性挑战的前提下看待，在常规临床部署前仍需采用协调采集方案的多中心验证。
5.2 单中心试点测试的从业者笔记
以下观察结果源自研究人员所在机构对部分评估工具的非正式实际操作测试。这些并非通过标准化、盲法或量化评分比较获得，应作为实际实施笔记而非比较评估来阅读。需说明此前提，在试点中反复出现了几种模式。具有成熟图形界面的工具（ITK-SNAP、3D Slicer、Raidionics）显著降低了临床合作者的入门门槛，但ITK-SNAP和3D Slicer中的手动或半自动工作流对于队列规模的分析仍过于耗时，研究人员所在机构早期的手动T1CE基胶质母细胞瘤分割每例约需45分钟，而当前自动工作流每例约3分钟——这一差异与文献报道基本一致。nnU-Net在实际操作中产生了最准确的分割结果，但缺乏用于下游视觉验证的集成图形界面，且受限于ARM架构macOS工作站上无GPU加速，这对训练（虽非推理）可行性产生了实质性影响。Raidionics提供了连贯的端到端界面和跨高低级别胶质瘤可靠的术前分割，但偶尔会分割出预期ROI之外的区域，且不能总是自动识别T1W与T1CE序列，需要手动分配序列从而延长了处理时间。再次强调这些是单中心、非量化的观察结果，不应过度解读；报告仅为提示可能从已发表验证指标中不易察觉的实际考量因素。
展望未来，自动胶质瘤分割和体积测量在结合先进机器学习方法与多模态影像、临床数据及与其他组学方法（如用于IDH突变预测的基因组学）的整合方面，展现出改善胶质瘤诊断、治疗监测和预后判断的巨大潜力。为实现其全部潜力，未来工作应聚焦于严格的临床验证、方法学标准化以及与分子和遗传肿瘤分型的整合。此类多学科发展有望实现个性化医疗方法，从而大幅改善患者结局。
6 结论
综上所述，虽然开源影像组学软件促进了创新并广泛惠及研究人员，但商业平台提供了临床就绪性和监管合规性，二者在推进该领域发展中发挥着互补作用。值得注意的是，GlioMODA和AutoRANO等工具代表了新一代明确为RANO 2.0兼容体积测量设计的开源解决方案，而FeTS等联邦方法则解决了在不损害患者隐私前提下多机构验证的关键需求。未来研究应致力于开发结合这些工具优势的混合解决方案，以加速其从研究环境向临床实践的转化。鉴于目前尚无自动工具针对RANO 2.0标准完成正式验证，这是一项紧迫的近期研究重点。现在亟需开展纳入外部验证数据集并明确针对RANO 2.0体积标准的前瞻性多中心研究，以推动开源影像组学工具从研究环境走向临床实践。
