幾秒鐘，AI就能完成以往醫生數十分鐘的腫瘤勾畫工作。華東師范大學—紐約大學聯合團隊憑借創新的統一框架與復合損失函數設計，在競爭激烈的國際醫學影像挑戰賽中一舉拿下全球第二名，其算法在術后復雜病例中依然保持高精度，標志著向臨床落地邁出堅實一步。
研究團隊參與了“Glioma Segmentation on Pre-and Post-treatment MRI（治療前后膠質瘤自動分割）”任務賽道。成果顯示，團隊研發的人工智能算法能夠在復雜的治療前后腦部磁共振成像（MRI）數據中，穩定、準確地自動識別并勾畫膠質瘤及其關鍵亞區，尤其是在手術或放化療之后影像結構復雜的情況下，仍能保持較高準確度，具備重要的臨床應用潛力。
該項成果在華東師范大學統計學院諶自奇研究員和紐約大學舒海助理教授的共同指導下完成。團隊成員包含華東師范大學專碩及本科生瞿霖（負責人）、潘言、申晉垚、吳安琪和楊蘊。
膠質瘤作為常見的高侵襲性腦腫瘤，其診斷分級、手術規劃、放療方案設計及治療后隨訪，均需醫生在MRI影像上精準圈定腫瘤核心、水腫區域、強化區域等關鍵亞區。當前臨床實踐中，該過程依賴資深醫生逐層手工勾畫，不僅耗時費力，且不同醫生的標注結果易存在差異，影響診療決策的一致性。
從臨床實際需求來看，本次技術成果直擊腦腫瘤診療中的核心痛點——腫瘤范圍的精準勾畫。
團隊研發的自動分割技術，核心價值在于將高度依賴人工的“描邊”工作交由人工智能高效完成。系統可在數秒至數分鐘內輸出穩定、一致的腫瘤輪廓，為醫生提供可靠參考，大幅降低重復性工作負荷，讓臨床醫師能將更多精力投入到病情綜合判斷與個性化治療決策中。值得強調的是，該技術并非取代醫生，而是通過智能輔助提升診療效率與精準度，構建“人機協同”的診療新模式。
本次賽事賽道的核心難點，在于需同時適配治療前與治療后的臨床影像場景。在真實臨床環境中，手術切除、放化療等治療手段往往會顯著改變腦部結構，影像中可能出現術后腔、殘留病灶、放射性改變或“偽進展”等復雜情況，給腫瘤的長期評估與隨訪帶來挑戰。
相較僅針對治療前影像的分割任務，納入治療后影像對算法在穩定性、魯棒性和泛化能力方面提出了更高要求，也更能反映其在實際臨床應用中的價值。
在技術層面，團隊針對治療前后腫瘤形態變化顯著、術后組織重塑與信號異質性增強這一關鍵難點，團隊在主流醫學影像分割范式基礎上，圍繞“統一框架—分布差異建模—結構約束優化”構建了一套更具魯棒性的解決方案：一方面，通過將術前與術后 MRI 納入同一訓練閉環，顯式學習兩種成像分布與病灶形態的差異；另一方面，結合不同腫瘤亞區（如強化區/非強化腫瘤核/水腫等）的結構特征與臨床可分辨邊界，對訓練目標與優化策略進行針對性設計，從而在復雜病例（邊界模糊、病灶碎片化、小體積殘留等）中顯著提升穩定性與泛化能力。該方法在官方隱藏測試集評測中表現突出，成為最終取得全球第二名的重要原因。
該研究成果有望在腦腫瘤診療與相關研究的多個環節中發揮重要作用，主要體現在以下幾個方面：
診斷與分級評估的量化輔助：為醫生提供客觀、可重復的腫瘤體積及區域分布指標，提高評估的一致性與可靠性；
手術與放療計劃的精準支持：為腫瘤切除范圍及放療靶區勾畫提供可靠參考，助力精準治療；
治療反應與復發監測：通過標準化的自動分割結果，持續追蹤腫瘤負荷變化，為隨訪決策提供量化依據；
臨床研究與藥物試驗的標準化工具：在多中心研究中減少人為標注差異，加速真實世界研究和新療法的評估進程。
BraTS（腦腫瘤分割）挑戰賽是國際上最具影響力的腦腫瘤影像算法評測體系之一，自2012年起持續推動腦腫瘤自動分割研究與數據標準建設，其數據集與評測基準被全球大量醫學影像研究與臨床工作廣泛采用。
本次參賽的BraTS 2025 Lighthouse Challenge（燈塔挑戰），是MICCAI從眾多競賽中遴選出的“高影響力挑戰”，強調真實高質量臨床數據、嚴格的盲測評估機制以及與臨床需求的緊密對齊，旨在推動具備實際落地潛力的醫學人工智能技術發展。
值得關注的是，BraTS 2025以“挑戰集群（Cluster of Challenges）”形式覆蓋更廣范圍，設置12個任務，涵蓋術前/術后等不同臨床階段與多類腦腫瘤場景，在跨中心數據、統一基準與嚴苛評測下，對算法的魯棒性與泛化能力提出極高要求。因此，該挑戰吸引了全球高校、科研機構與企業團隊同臺競技，競爭激烈，能夠取得前列成績通常被視為對算法性能與實際臨床價值的國際權威認可。
BraTS 2025數據集是國際腦腫瘤影像分割領域最具影響力的公開基準之一，由多家醫療機構聯合提供，匯集了2877例彌漫性膠質瘤患者的常規臨床影像數據。該數據集同時包含治療前與治療后的多參數MRI（核磁共振成像），并為每個病例提供四種已配準的成像模態（T1、增強T1、T2與FLAIR），在統一的空間分辨率與體素尺寸標準下進行預處理，便于跨中心、跨設備的公平對比與模型泛化評估。下圖為BraTS術前和術后的多模態數據。
未來，團隊將在保障數據合規與患者隱私安全的前提下，進一步與臨床團隊合作開展多中心驗證與可解釋性分析研究，并探索將相關算法以工具或插件形式嵌入科研與臨床工作流程，為腦腫瘤的診療和長期隨訪提供更加高效、可靠的智能輔助支持。
近年來，華東師范大學統計學院始終秉持"厚基礎、強交叉、重創新"的培養理念，構建了完善的人才培養體系。以培養具有國際競爭力的復合型統計人才為目標，在"金融學+統計學"和"統計學+計算機科學與技術"雙學士學位項目上深耕細作，通過跨學科資源整合，搭建多維培養平臺，形成系統化的復合型創新人才培養機制。依托統計與數據科學教育部重點實驗室、統計應用與理論創新引智基地等高端科研平臺，積極踐行學術討論班、學術午餐會、學術下午茶等制度，構建全方位的科研訓練體系，有效激發了學生的科研熱情和創新思維，形成科研創新與人才培養相互促進的良性循環。
團隊簡介：
諶自奇，華東師范大學統計學院研究員，紫江青年學者，博士生導師。主要研究方向為機器學習、深度學習、因果結構學習、數據信息融合及高維統計分析等，其研究成果已應用于阿爾茨海默癥、腦腫瘤、乳腺癌及石油管道等多個領域。科研項目方面，主持國家自然科學基金面上項目2項、國家自然科學基金重點項目（子課題）1項、國家自然科學基金青年項目1項，以及上海市自然科學基金項目1項等；并作為骨干成員參與國家重點研發計劃及上海市“科技創新行動計劃”基礎研究領域應用數學重點項目。至今已發表論文30余篇，其中部分成果發表于JASA、Biometrics、NeurIPS、KDD等國際頂級期刊和會議。
舒海，紐約大學生物統計學系助理教授。擔任Statistica Sinica和The American Statistician的副編輯，并擔任Journal of the American Statistical Association的可重復性副編輯。研究方向主要集中于高維數據分析，尤其是數據整合，同時涵蓋機器學習、深度學習、醫學圖像分析和基因組數據分析，研究應用包括阿爾茨海默病、腦腫瘤和乳腺癌。
瞿霖，華東師范大學統計學院2025級應用統計研究生。曾獲省政府獎學金等、全國大學生市場調查大賽全國一等獎、美國大學生數學建模一等獎等榮譽。
潘言，華東師范大學統計學院2023級統計學本科生，曾獲正大杯市調比賽全國三等獎、全國大學生數學建模大賽上海市三等獎、統計建模比賽上海市三等獎。
申晉垚，華東師范大學統計學院2023級統計學（雙學位）本科生，曾獲本科生一等、二等獎學金，全國大學生市場調研大賽國家二等獎等。
吳安琪，華東師范大學統計學院2023級統計學（雙學位）本科生，曾獲國家獎學金、優秀學生榮譽稱號、全國大學生數學建模大賽國家二等獎。
楊蘊，華東師范大學統計學院2025級應用統計研究生。
來源｜統計學院 編輯｜萬方圓 編審｜郭文君
