0 引言

       垂体神经内分泌肿瘤（pituitary neuroendocrine tumor, PitNETs）既往称为垂体腺瘤，是常见的颅内肿瘤，多因激素分泌异常或占位效应引发相应的临床症状^[1]。MRI及影像组学在PitNETs的影像学研究中居核心地位^[2]，常规MRI能清晰显示肿瘤的形态、大小及毗邻关系等，是临床术前评估的基础，但对肿瘤内部异质性的评估价值有限。影像组学以常规及多参数MRI为基础，可高通量提取并分析大量定量特征，探究影像学特征与肿瘤病理、组织学间的关联，弥补常规MRI评估的不足，二者联合可为PitNETs术前诊断和个体化诊疗提供更全面的信息。2022年世界卫生组织发布的第5版内分泌与神经内分泌肿瘤分类对PitNETs的命名与分型体系做出了重要更新^[3]。分类正式采用“PitNETs”这一术语，并以细胞谱系特异性转录因子为核心构建全新分型框架，将PitNETs分为垂体转录因子1（PIT-1）谱系、T-box垂体转录因子（TPIT）谱系、类固醇生成因子1（SF-1）谱系及无明确细胞谱系肿瘤四大类，同时在PIT-1谱系下增设未成熟PIT-1谱系肿瘤等亚型，并以“转移性PitNETs”替代“垂体癌”，使其与低分化神经内分泌癌相区分，进一步完善了疾病分层体系。其中，无明确细胞谱系肿瘤中的"零细胞腺瘤"被严格重新定义，诊断标准为垂体转录因子（PIT-1、TPIT、SF-1）与激素表达均阴性；基于此，绝大多数既往诊断为零细胞腺瘤的病例现已重新归入各谱系的静止性肿瘤，其影像学特征与相应谱系肿瘤相似，可为术前鉴别及诊疗策略优化提供重要参考；真正符合该定义的零细胞腺瘤极为罕见，占PitNETs的比例不足1%^[4]。

       上述更新显著提升了PitNETs分型的精准性与临床指导性，也对术前影像学评估提出了更高要求。既往临床以激素作为PitNETs的诊断及分型标准，但难以准确识别如静止性促肾上腺皮质激素细胞瘤（silent corticotroph adenoma, SCA）等无激素活性却具有高侵袭性、高复发风险的亚型，导致可能延误诊治^[5]。对此，新分类明确将稀疏颗粒型（sparse granular, SG）生长激素细胞瘤（growth hormone-secreting pituitary neuroendocrine tumor, GH-PitNETs）、多激素PIT-1阳性瘤、SCA、Crooke细胞瘤和男性泌乳素细胞瘤（prolactin-secreting pituitary neuroendocrine tumor, PRL-PitNETs）列为五大高危亚型，这些亚型侵袭性强、术后易复发、预后不佳，术前精准分型对实现PitNETs的早期分层管理及个体化诊疗具有重要临床意义^{[6, 7, 8]}。近年来，许多学者围绕MRI及影像组学在PitNETs中的应用进行综述，如董文洁等^[9]、ZHENG等^[10]聚焦国内外研究现状，系统总结了MRI及影像组学在PitNETs领域的研究进展，为该领域奠定了重要基础。但现有综述多从临床应用角度展开，尚未依据新分类的转录因子分型体系进行梳理，难以满足当下PitNETs精准诊疗的临床需求。因此，本文以新分类为主线，构建转录因子为导向的影像评估新范式，重点围绕PitNETs的常规MRI及多参数MRI影像组学研究进展进行综述，并分析当前研究存在的局限，指出未来的研究方向，旨在为PitNETs的精准诊疗提供参考。

1 文献检索策略

       本文系统检索了PubMed、中国知网数据库和万方数据库中截至2026年5月发表的相关文献。检索策略采用主题词与自由词相结合的方式，英文检索式包括：（“MRI” OR “magnetic resonance imaging” OR “radiomics”）AND（“pituitary” OR “pituitary adenoma” OR “PitNET” OR “PitNETs”）AND（“molecular subtypes” OR“subtype” OR “assessment” OR “consistency” OR “aggressiveness” OR “recurrence” OR “risk”）。中文检索式与上述英文类似，使用对应的关键词。

       文献纳入标准：（1）研究对象明确诊断为PitNETs；（2）文献类型为临床研究、基础研究、综述；（3）可获取的中文或英文全文文献。文献排除标准：（1）动物实验、会议摘要或病例报告；（2）重复发表的文献；（3）通过上述检索数据库无法获取全文的文献。最终纳入符合标准的文献54篇。

2 PIT-1谱系PitNETs：亚型鉴别与生物学行为预测

       PIT-1谱系主要包括GH-PitNETs、PRL-PitNETs、促甲状腺激素型PitNETs（thyroid-stimulating hormone-secreting pituitary neuroendocrine tumor, TSH-PitNETs）及多激素PIT-1谱系PitNETs。该谱系肿瘤发病率相对较高，约占所有PitNETs的36%^[3]，且具有独特的影像特征，精准预测亚型是个体化治疗的关键前提。

2.1 GH-PitNETs

       GH-PitNETs包括致密颗粒型（dense granular, DG）与SG两种亚型，SG通常比DG体积更大、侵袭性更强，常破坏蝶鞍并向下延伸，而DG倾向于在蝶鞍内形成肿块^[11]。因此，术前准确区分亚型有助于评估手术难度、优化手术策略。

       LIU等^{[12, 13]}针对GH-PitNETs的术前亚型预测开展了系列研究，发现DG与SG在肿瘤大小、T2信号强度、T2相对信号强度（relative signal intensity, rSI）、强化程度、侵袭性等方面均有显著差异，其中SG多表现为更高的T2 rSI和更显著的强化，这两项指标是区分两种亚型的独立预测因子，基于T2 rSI构建的logistic回归模型曲线下面积（area under the curve, AUC）为0.765^[12]，对亚型鉴别具有一定提示价值。在此基础上，该团队进一步分析了GH-PitNETs的纹理特征，结果显示T1WI的鉴别效能最优（AUC为0.918），关键特征包括平坦度、信号中位数及纹理强度。与SG相比，DG边缘更光滑规整，T1WI信号中位数在两组间存在显著差异，且排除囊变坏死区域后提取的纹理特征诊断准确性更高，可为术前亚型鉴别提供客观依据^[13]。AMANO等^[14]的研究发现动态对比增强磁共振成像（dynamic contrast-enhanced magnetic resonance imaging, DCE-MRI）虽无法区分DG与SG，但可精准区分GH-PitNETs与其他PitNETs，GH-PitNETs的早期强化比和延迟期强化比显著低于其他亚型PitNETs，其中延迟期强化比的鉴别效能最高。同时该研究通过计算肿瘤与正常壳核的T2信号强度比，发现GH-PitNETs的T2信号强度比低于PRL-PitNETs和无功能性PitNETs（NF-PitNETs）。因此，MRI及影像组学有助于术前鉴别GH-PitNETs及其亚型，但有无实际价值在于能否靠其改善患者的术后长期结局。FERRES等^[15]通过长期随访发现，T2WI高信号及SG是提示预后不良的核心预测因子，Knosp Ⅳ级、侵袭性增殖性、术前GH或IGF-1水平较高及年龄较小同样是预后不佳的重要因素，验证了术前影像特征与术后长期结局的关联性。

       上述研究已初步实现GH-PitNETs术前亚型鉴别，但现有研究均基于全年龄混合队列构建，未考虑年龄因素对肿瘤生物学行为及影像学特征的潜在影响。今后可探究不同年龄段GH-PitNETs的影像学差异，分层构建更精准的影像组学评估体系；同时进一步验证常规影像特征、影像组学特征及临床因素的独立预测价值，整合多模态影像特征与临床因素构建集成学习模型，制订个体化术后随访策略，改善患者长期预后。

2.2 PRL-PitNETs

       PRL-PitNETs作为最常见且唯一首选药物治疗的PitNETs亚型，术前鉴别对于及时制订正确且有效的治疗策略有重要意义。FAN等^[16]研究筛选出3个基于灰度共生矩阵的高阶纹理特征，可用于鉴别PRL-PitNETs与NF-PitNETs，该团队构建的临床-影像组学模型鉴别效能良好（AUC为0.930），且经外部多中心验证具有较好稳定性。LI等^[17]的多中心研究证实T2WI是PRL亚型鉴别的核心序列，其联合T2WI与CE-T1WI构建的高斯过程模型在内部验证中展现出高效能（AUC为0.936），外部验证效能中等（AUC为0.791）；结合Hardy分级构建的临床-影像组学列线图可为个体化诊疗提供直观参考。在疗效评估方面，MRI能够早期提示药物治疗反应，T2WI信号减低、DCE-MRI血管通透性参数下降可作为治疗有效的影像学标志，辅助临床尽早调整用药方案。

       PETERSENN等^[18]发布的国际共识指出，PRL-PitNETs在T2WI上通常呈轻度高信号；男性患者常因瘤内坏死和出血表现为T2WI信号不均，这一征象与血清PRL水平高及多巴胺受体激动剂耐药相关；女性患者虽以T2WI高信号为主，但T2WI低信号也对耐药具有提示作用。相较于女性，男性PRL-PitNETs侵袭性更高^[8]。

       现有研究明确了MRI及影像组学在PRL-PitNETs鉴别、疗效评估中的作用，但影像学征象背后的生物学机制尚不明确，针对男性PRL-PitNETs的专项研究仍不足。因此未来需积累样本量，一方面探究治疗前T2WI低信号、强化不均等影像表现与多巴胺受体表达水平、肿瘤纤维化程度等生物学特征的内在关联；另一方面基于影像组学特征构建术前侵袭性预测模型，对男性PRL-PitNETs等高风险人群分层干预，避免延误病情。

2.3 TSH-PitNETs及多激素PIT-1谱系PitNETs

       与前两者相比，TSH-PitNETs较为罕见，目前尚无明确的特异性MRI信号特征。COSSU等^[19]通过荟萃分析1990年至2018年23项研究的536例患者数据，发现79.6%为大腺瘤，44.5%存在鞍外扩展，30%伴海绵窦侵袭，这些指标的评估均依赖MRI完成。现有研究对TSH亚型的影像学描述仅限于肿瘤大小及侵袭范围，且该亚型的42%存在激素共分泌，以GH（53%）、PRL（40%）为主，提示TSH亚型与同属PIT-1谱系的GH亚型、PRL亚型可能存在相似的影像表现，仅通过影像学检查难以精准区分。HEO等^[20]的单中心研究也只将MRI用于肿瘤术前定位、侵袭范围评估及术后残留判断，未描述具体信号强度，印证了TSH-PitNETs信号缺乏辨识度的特点。

       值得注意的是，截至目前国内外尚无针对TSH-PitNETs的MRI影像组学研究，即便部分研究将其作为亚组，也因样本量严重不足未能得出可靠结论。尽管如此，MRI仍是该亚型术前规划、术后残留与复发评估的核心工具。未来可开展多中心大样本TSH-PitNETs影像组学研究，探索共分泌型与单一分泌型TSH-PitNETs的影像组学特征差异，整合多参数MRI、血清α-亚基（α-SU）升高、TRH刺激试验无反应等实验室指标及病理特征，构建“影像-临床-病理”的多模态鉴别体系，为该亚型的精准诊疗提供更可靠的影像学依据。

3 TPIT谱系PitNETs：影像识别与病灶定位

       TPIT谱系主要为促肾上腺皮质激素（adrenocorticotropic hormone, ACTH）细胞瘤，可根据临床行为分为SCA与非静止性促肾上腺皮质激素细胞瘤（non-silent corticotroph adenoma, NSCA），其中SCA因侵袭性强、复发率高成为该谱系的研究热点，约占NF-PitNETs的5%~19%^[21]，且绝大多数为大腺瘤或巨腺瘤^{[5, 7, 22, 23]}，不完全切除时复发率高达22.4%^[5]。HE等^[5]的研究发现53.1%SCA的ACTH为阴性，表明TPIT是诊断该谱系肿瘤更敏感且特异的标志物。多项研究一致证实多发微小囊性灶是SCA最具特征性的影像学表现，且T2WI对该征象的显示最优：CHEN等^[7]明确SCA的术前独立预测因子按比值比（odds ratio, OR）进行危险度排序依次为女性、鞍底侵犯、肿瘤内多发微小囊性灶及视力异常，其术后复发风险显著高于其他NF-PitNETs，Ki-67≥3%和次全切除是其复发的独立危险因素；RUI等^[24]基于SCA的临床及常规MRI特征，联合影像组学特征构建集成学习模型，预测SCA的效能优异（AUC为0.927），并证实T2WI影像组学的预测性能最优，可清晰显示SCA特征性的多发微小囊性灶及高侵袭性表现；WANG等^[25]进一步验证了该结论，该团队基于MRI影像组学特征联合性别、多发微小囊性灶、Knosp分级等指标构建的线性支持向量机模型效能突出（内、外部数据集的AUC分别为0.931和0.937），同时建立了SCA量表，诊断效能良好，可在保证高敏感度的前提下快速诊断SCA。

       NSCA因过量分泌ACTH导致库欣病，其临床诊断与随访可通过激素监测完成，常规影像学检查的目的主要为病灶定位。对于影像无明确病灶或怀疑异位ACTH分泌的疑难病例，岩下窦采血（inferior petrosal sinus sampling, IPSS）是判断ACTH分泌来源的金标准^[26]，可明确病灶是否位于垂体。需要注意的是，IPSS为有创操作，存在血管损伤、感染等轻微并发症风险，临床多作为常规影像诊断的补充，未来研究可探索IPSS激素比值与影像组学特征的联合模型，进一步提升NSCA的定位精准度，减少不必要的侵入性操作。

4 SF-1谱系PitNETs：术前分型与复发预测

       血清激素水平变化可反映肿瘤生物学行为并为疗效监测提供依据^{[27, 28]}。SF-1 PitNETs是NF-PitNETs中最常见的亚型，缺乏特异性内分泌症状，多在引起占位效应时才被检出，此时往往手术切除率低，残留与复发风险高。目前针对SF-1 PitNETs的影像组学研究仍较为匮乏，主要原因在于SF-1 PitNETs与同属NF-PitNETs的零细胞腺瘤在临床与常规MRI上难以区分，二者的诊断与鉴别依赖转录因子免疫组化；且既往研究普遍未进行细胞谱系分层，SF-1 PitNETs相关信息多包含于NF-PitNETs的研究中，并以术后复发预测为主要方向。QIN等^[29]研究发现，与功能性PitNETs相比，NF-PitNETs患者平均发病年龄更高，且肿瘤前后径及体积更大。MACHADO等^[30]基于术前CE-T1WI构建影像组学模型预测NF-PitNETs术后复发，筛选出最能反映肿瘤纹理、信号分布及内部结构异质性的特征，最终有8个二维特征、5个三维特征被认为是最有判别效能的核心特征，主要包括灰度游程矩阵、灰度区域大小矩阵及多方向小波变换一阶能量特征，结果显示三维影像组学模型准确率达96.3%，显著优于二维影像组学模型，证实三维影像组学可更全面地捕捉肿瘤信息，预测效能更优。SHEN等^[31]基于术前及术后T1WI、CE-T1WI影像组学特征，联合Knosp分级、术前肿瘤体积倍增时间两项临床指标构建的影像组学-临床联合预测模型效能良好，训练集与测试集AUC分别为0.929和0.882，为包含SF-1亚型在内的NF-PitNETs复发风险评估提供了参考。上述研究虽未通过免疫组化验证SF-1转录因子的表达，但由于NF-PitNETs中约75%来自SF-1谱系^[32]，其结论对该谱系肿瘤的术后复发风险评估仍具参考价值。今后可基于细胞谱系进一步分类研究，分析SF-1 PitNETs与其他NF-PitNETs的影像学差异。

       近年来，GATA结合蛋白3（GATA binding protein 3, GATA3）作为新型辅助标志物，在SF-1 PitNETs的核心亚型促性腺激素细胞瘤中的阳性率高达98.5%^[33]，且几乎不表达于其他PitNETs亚型，展现出极高的诊断价值。因此，在SF-1表达阴性或结果不明确时，GATA3可作为重要补充，为SF-1谱系的确诊提供强有力的证据。未来研究可试图寻找与GATA3表达相关的特异性影像特征，推进SF-1 PitNETs的术前精准鉴别与个体化诊疗。

       各亚型影像学特征、研究现状及现存研究空白见表1。

点击查看表格

表1  WHO第5版PitNETs各细胞谱系核心亚型影像学特征研究现状汇总
Tab. 1  Summary of research status on imaging features of major subtypes of PitNETs by cell lineage according to the 5th edition of WHO classification

5 PitNETs侵袭性与一致性预测

5.1 PitNETs侵袭性预测

       尽管多数PitNETs呈良性病程，但部分可表现出侵袭性行为，这是肿瘤术后残留与复发的主要因素^[34]，需制订个体化随访方案以降低复发率^[35]。目前临床评估PitNETs侵袭性的核心指标为Ki-67指数及海绵窦侵犯，其中Ki-67指数≥3%常提示肿瘤增殖活力升高^[36]，海绵窦侵犯则用Knosp分级进行评估^[37]。

       多项研究证实了MRI及影像组学在侵袭性评估中的价值。XUE等^[38]对102例垂体大腺瘤患者的ADC图像进行直方图分析，发现高Ki-67组（≥3%）的ADC值及多个百分位值均显著低于低Ki-67组（<3%），其中第99百分位数预测高Ki-67表达的AUC为0.720，表明ADC直方图对预测Ki-67指数有一定帮助。LI等^[39]基于多参数MRI影像组学和深度分割网络构建的组合模型在预测Ki-67表达中展现出良好的临床应用价值。另有研究者基于术前CE-T1WI影像组学特征构建PitNETs侵袭性评估模型，其中ZHANG等^[40]采用LASSO特征筛选与线性支持向量机构建的影像组学模型效能中等（验证集AUC为0.73），WANG等^[41]进一步联合Knosp分级构建logistic回归模型，预测性能显著提升（测试集AUC达0.935），证明了影像组学术前无创评估PitNETs侵袭性的可行性。

       然而Ki-67指数的预后价值仍存在争议：虽然该指数能反映肿瘤恶性程度的差异，在转移性PitNETs中Ki-67≥10%的比例（61%）显著高于无转移的侵袭性PitNETs（41%）^[42]，但另有研究指出15%预后较差的PitNETs初次手术时Ki-67≤3%^[43]，且Ki-67无法区分局部侵袭与转移，说明使用Ki-67指数评估侵袭性存在局限。同时，虽然既往研究部分以Ki-67≥3%为判定肿瘤高增殖活性的标准，但该指数没有明确的临界值，临床应用时标准不一。近年研究发现TP53和ATRX基因突变是PitNETs具有侵袭性的关键原因^{[44, 45]}，可在无转移的高侵袭性PitNETs中早期检出。若能找到这些分子标志物对应的特异性影像特征，就有望为侵袭性的无创评估找到新方向，避免单纯依赖Ki-67的评估局限。

       新分类明确指出，PitNETs的分型更能反映其侵袭倾向，然而当前通过影像学特征区分不同侵袭性亚型的研究较少。XU等^[46]针对NF-PitNETs的两大核心亚型开展大样本研究发现，单纯鞍下延伸是TPIT谱系的特异性影像学表现，而SF-1谱系以鞍上延伸为主，可作为术前无创鉴别两大谱系的标志。该结果不仅证实转录因子相关的分子分型与PitNETs影像学特征密切相关，为构建PitNETs亚型预测影像组学模型提供了重要依据，也为探索亚型特异性治疗靶点提供新的思路，未来可针对上述高侵袭性亚型开展更大样本量的研究。

5.2 PitNETs一致性预测

       PitNETs的一致性是决定手术策略和术后并发症风险的关键因素。质软肿瘤易吸除，而质硬肿瘤难以切除，术前了解肿瘤的一致性有助于制定手术策略。现有研究已将多种影像技术用于PitNETs一致性预测，WAN等^[47]采用T1WI、CE-T1WI、T2WI多参数MRI构建影像组学模型，证实多序列组合模型的预测性能显著优于任何单一序列，且质硬PitNETs在影像上呈现更高的纹理异质性，与术中判断一致；YAO等^[48]首次采用7 T超高场强MRI，以局部脑灰质为内部参考比较肿瘤内T2WI高信号体素占比，联合术中一致性结果及术后胶原含量、血管密度等病理结果进行分析，发现质软肿瘤的T2WI高信号体素占比（50.2%）显著高于质硬肿瘤（22.5%），且血管密度更高，体素占比与胶原含量也存在显著相关性；COHEN-COHEN等^[49]则利用磁共振弹性成像（magnetic resonance elastography, MRE）预测PitNETs一致性，发现MRE的绝对硬度值与相对硬度比与肿瘤一致性显著相关，基于MRE预测的质硬肿瘤手术并发症发生率（50.00%）及手术时长（257 min）均显著高于质软肿瘤（分别为12.50%、169 min），证实MRE有助于术前评估一致性，丰富了无创评估PitNETs一致性的技术体系。但现有研究仍存在诸多局限性：肿瘤异质性可能干扰影像特征与一致性的关联；7 T MRI虽分辨率更高，但易受伪影影响，且设备普及性低、检查成本高，MRE同样临床推广受限；一致性分级多为术中主观判定，且部分研究未实现影像特征与病理标本特定区域的精准对应，难以明确影像-病理关联的具体机制，MRI信号强度的内部参照选择在各研究中也存在差异，有待后续验证与临床推广。

       亚型也与肿瘤一致性密切相关：PIT-1谱系的SG GH-PitNETs以富含胶原纤维为特征，质地坚韧，全切难度大；TPIT谱系中的Crooke细胞瘤以细胞质内环形透明样变的角蛋白纤维为特征，其质地坚硬与高复发风险密切相关^[3]；SF-1谱系肿瘤亦常伴有不同程度的纤维化，质地中等偏硬。这些差异可为手术策略制定提供直接参考。

6 PitNETs预后预测

       PitNETs的治疗以经鼻蝶切除术为主，次全切患者10年内复发率超过50%，即使完全切除也有10%~20%的PitNETs患者会在5~10年内复发^[50]。屈瑞等^[51]发现T2WI直方图参数结合术前及术后早期临床语义特征建立的预测模型AUC值为0.963，可为预测GH-PitNET术后长期疗效提供帮助。HUSSEIN等^[52]对383例患者开展了最长15年的随访研究，构建的模型能较好地预测肿瘤缓解、稳定及再生等结局，其中支持向量机模型效能最优，准确率为0.82，同时该研究证实，手术切除程度是影响术后肿瘤进展的最核心预测因素。ASMARO等^[53]证实，PitNETs中PIT-1谱系肿瘤的海绵窦侵袭率（53%）显著高于TPIT谱系（24%）和SF-1谱系（18%），且44%的PIT-1谱系肿瘤存在常规MRI难以识别的隐匿性侵袭，易导致术后残留与复发，可采用经海绵窦入路扩大切除术提升全切率，显著改善患者预后。除肿瘤本身的复发风险外，术后功能恢复亦是重要的预后指标。ZHANG等^[54]使用基于T2WI的Delta影像组学对PitNETs患者的视交叉进行研究，在预测PitNETs患者术后视力恢复方面效能良好。

       综上，当前围绕PitNETs预后预测已展开多方向探索并展现出良好应用潜力，但现有研究仍存在不足：常规MRI对术后微小残留及隐匿性侵袭的检出有限，易造成肿瘤切除程度评估偏倚，降低预后预测的准确度；影像组学虽可弥补这一不足，但尚未形成可推广的临床应用方案；现有研究多聚焦肿瘤复发风险，较少兼顾内分泌、视觉等多维度远期预后，且各研究纳入的影像与临床指标存在差异。未来可挖掘隐匿性侵袭对应的影像组学特征，构建肿瘤进展与内分泌、视觉等功能的多维度预后预测模型，为临床制定个体化手术方案、术后随访及早期干预提供客观依据。

7 小结与展望

       综上所述，MRI及其影像组学在PitNETs各谱系的亚型鉴别、侵袭性评估、一致性预测、疗效及预后预测中均展现出极大临床价值，为PitNETs的无创精准评估及手术规划提供了重要支撑。然而，当前该领域的发展仍面临挑战：首先，现有研究多为单中心回顾性设计，样本量有限，且绝大多数仍基于激素分型展开，基于细胞谱系分型的研究较少；其次，影像组学整体流程未形成统一规范，各个环节的操作差异都会导致研究结果难以推广；最后，多数罕见亚型（如TSH-PitNETs、多激素PIT-1谱系PitNETs）的相关研究不足，影像特征与分子标志物、病理生物学行为间的关联尚不明确，且现有模型多针对单一预测目标设计，缺乏能整合多维度信息的集成预测体系。基于上述挑战，未来研究可聚焦三大方向：一是开展基于细胞谱系分型的多中心前瞻性队列研究，统一入组标准与随访流程，积累大样本高质量数据，为后续影像组学模型的开发与验证奠定基础；推进影像组学流程的标准化与自动化，减少主观因素对模型效能的影响；二是将影像与临床指标、病理特征等多维度数据整合，构建集成预测模型，提升预测准确性；三是扩大罕见亚型的样本量，明确影像组学特征与分子标志物及病理的相关性，探寻各亚型的特异性影像表现，帮助临床快速识别PitNETs亚型、简化诊疗流程，最终助力PitNETs的个体化精准治疗。