来源：期刊VIP网 时间：
作者：孔琦琪;冯宇泽;班允清;
单位：新疆医科大学第五附属医院CT/MRI科;新疆医科大学第五附属医院康复医学科;
摘要：宫颈癌是全球重大的公共卫生挑战，其精准诊疗因肿瘤异质性及传统评估方法的局限而面临瓶颈。人工智能（artificial intelligence, AI）与多参数磁共振成像（multi-parametric MRI, mp-MRI）的融合，为无创解析肿瘤分子病理基础提供了新范式。本领域研究已构建起一个由AI驱动、从宏观定位到微观解码的递进式技术体系：在解剖层面，引入变换器（Transformer）及状态空间模型（state space models, SSM）等新型架构，突破了卷积神经网络（convolutional neural networks,CNN）的感受野局限，实现了复杂盆腔解剖背景下病灶的精准分割；在功能层面，AI通过深度神经网络（deep neural networks,DNN）优化体素内不相干运动（intravoxel incoherent motion, IVIM）、扩散峰度成像（diffusion kurtosis imaging, DKI）及动态对比增强MRI(dynamic contrast-enhanced MRI, DCE-MRI)的参数拟合模型，显著提升了定量参数的鲁棒性，并利用生境分析技术量化肿瘤内部微观异质性，以预测淋巴结转移（lymph node metastasis, LNM）及淋巴脉管间隙浸润（lymphovascular space invasion, LVSI）；在分子层面，影像组学与影像基因组学借助机器学习深度挖掘高维影像特征，建立了表型与基因突变、免疫微环境的非线性映射，并进一步融合循环肿瘤DNA(circulating tumor DNA, ctDNA)数据，形成多模态“影像活检”范式。这一AI赋能的三阶段体系（分割-功能分析-分子解码）贯通了宫颈癌精准诊疗的全链条。然而，该体系的临床转化仍受限于数据标准化不足、模型泛化能力有限及可解释性不强等系统性挑战。本文系统梳理上述进展，深入剖析技术原理、临床价值与现实困境，旨在为推动该技术迈向以临床价值为导向的个体化精准医疗提供前瞻性视角。
关键词：宫颈癌;;深度学习;;分子标志物;;磁共振成像;;影像组学;;精准医学;;综述
基金资助：新疆维吾尔自治区“天山英才”医药卫生培养计划项目（编号：TSYC202301B083）;; 新疆医科大学创新创业项目（编号：CXCY2025014）~~
