中枢神经系统肿瘤在儿科发病率较高，因此相关研究在儿科人群中尤为重要。尽管形态学和非形态学磁共振成像技术可以提供有关肿瘤特征、分级和患者预后的重要信息，但近年来越来越多的证据强调了个性化治疗和开发定量成像参数的必要性，以预测病变性质及其可能演变。因此，影像组学和使用人工智能软件从图像中获取有价值数据的方法越来越受到重视。World Journal of Pediatrics杂志发表了一篇综述，简要概述了新型成像方法的最新进展及其对理解儿童中枢神经系统肿瘤方面的贡献。

研究人员系统检索了PubMed、Scopus和Web of Science数据库，使用以下关键词：（“影像组学”和/或“人工智能”）和（“儿科”和“脑肿瘤”）。收集与上述关键词相关的基础和临床研究，例如，评估儿童脑肿瘤治疗中使用影像组学和人工智能的关键因素、挑战或问题的研究。

结果共纳入63篇研究。这些文章发表于2008~2024年之间。MRI是神经影像学的基石，除了为脑恶性肿瘤提供形态学特征外，还提供细胞、血管和功能信息。影像组学可以为医学影像分析提供定量方法，旨在从像素/体素灰度值及其相互关系中获取更多信息。提取影像组学特征可以收集大量数据。当与其他信息（如临床和/或人口统计学特征）相结合时，这些数据可使用机器学习算法开发肿瘤特征模型。这些模型有时表现出比专家的定性分析效果更好。这对于仅凭影像学特征可能无法进行可靠鉴别诊断的后颅窝（PF）肿瘤尤其重要。“影像组学工作流程”包括一系列可重复和一致的提取成像数据的步骤。这些步骤包括用于肿瘤分割的图像采集、特征提取和特征选择。最后，通过训练预测模型（CNN）来选择特征，并对最终模型进行测试。

在个性化医学领域，影像组学和人工智能（AI）算法的应用带来了新的重大可能性。神经影像学可产生大量数据，远超放射科医生自己从视觉分析中获得的数据。因此，迫切需要与其他专业专家建立新的合作关系，例如大数据分析师和人工智能专家。研究认为，尽管存在局限性，影像组学和AI算法有可能超越其在研究中的局限性，应用于儿童脑肿瘤的诊断、治疗和随访的临床实践中。

原始出处：

Francesco Pacchiano, Mario Tortora, et al, Radiomics and artificial intelligence applications in pediatric brain Tumors, World Journal of Pediatrics, 2024, https://doi.org/10.1007/s12519-024-00823-0.