减少脑 MRI 检查中的对比剂使用，是一个有吸引力的研究方向，但它首先需要回答一个具体问题：仅凭非增强序列，能否识别原本会在增强检查中显现的肿瘤区域？一项多队列回顾性研究围绕这一成像任务测试了 AI 模型。研究取得的检测结果，为进一步验证提供了基础，却还不能直接决定哪些患者可以省去增强检查。
研究汇集 10 个国际数据集、共 11,089 次脑 MRI 检查，以非增强 T1 加权、T2 加权和 FLAIR 图像预测强化。在包含 1,109 次检查的留出测试集中，表现最好的模型平衡准确率为 83%，敏感度为 91.5%，特异度为 74.4%。三个指标共同描述的是研究条件下的强化检测表现，既不是所有脑肿瘤的诊断准确率，也没有直接测量患者是否因此获益。
这一任务与实际减少对比剂之间，还隔着错误后果和人群适用性的问题。UCL 的研究说明提到，模型表现随肿瘤类型和人群变化，其中儿科亚组只有 20 例。研究者认为儿童在训练数据中代表不足可能影响结果，但这样的小样本本身不足以支持稳定的儿科判断。总体指标不能替代对具体人群的验证。
现有公开资料的版本也应分清。预印本于 2025 年 8 月 19 日首次提交，第三版更新于 2026 年 6 月 23 日；UCL 于 9 月 16 日宣布研究发表于 The Lancet Medical Imaging & Theranostics。本文核对的是预印本摘要及机构说明，正式发表全文未纳入本次核查，因此不进一步补写其方法细节。
对于评估类似技术的临床团队，下一步需要关注本地患者、扫描设备和成像序列是否与验证条件相近，以及漏检会怎样进入人工复核。研究者明确表示，该工具目前不足以替代增强 MRI。只有把模型放入实际流程，前瞻性地检验其判断与错误处置，才可能继续回答减少对比剂是否安全这一临床问题。
参考资料