0 引言

       宫颈、卵巢与子宫是维系女性健康的核心器官^[1]，宫颈癌、卵巢癌与子宫内膜癌是女性生殖系统最常见的三大恶性肿瘤，其发病率与死亡率持续位居全球女性恶性肿瘤前列^{[2, 3]}。磁共振成像（magnetic resonance imaging, MRI）的高软组织分辨率优势使其在盆腔肿瘤术前分期、疗效动态评估及随访中占据核心地位^[4]。然而，常规MRI依赖放射科医师对病灶形态的主观判读，存在假阳性与假阴性，且观察者间一致性较低，难以精准识别反映肿瘤异质性的微观生理特征^[5]，影响了临床决策的准确性。

       影像组学实现了肿瘤空间异质性的量化评估，但其以固定体素提取的整体特征难以反映不同区域间的生物学差异^[6]，且多聚焦实体肿瘤而忽略瘤周微环境信息。近年研究表明，联合分析瘤周影像特征可能具有更高的预后预测效能^[7]。病理活检虽为金标准，但穿刺取材有限，仅反映局部特征，无法呈现肿瘤全局三维异质性分布^[8]。生境成像（habitat imaging, HI）利用多模态影像整合，基于体素聚类将肿瘤划分为若干空间子区^[9]，对各子区进行影像组学特征提取，实现微观体素层面异质性的定量分析^[10]。基于多参数MRI（multiparametric MRI, mpMRI）的HI技术可在无创条件下对肿瘤内异质性（intratumoral heterogeneity, ITH）进行可视化与定量评估，在肿瘤分级分型、疗效预测及预后判断中具有重要潜力^{[11, 12]}。作为对传统影像组学的延伸，HI整合了影像组学特征提取、体素聚类及生物信息学建模三大要素^[13]，已在多种肿瘤中展现出良好的预测能力^{[14, 15]}。近年来，HI在妇科肿瘤领域发展迅速。近三年研究显著增加：宫颈癌集中于宫旁浸润（parametrial invasion, PMI）、淋巴结转移及治疗反应预测；子宫内膜癌侧重p53分子亚型与宫颈基质浸润（cervical stromal invasion, CSI）；卵巢癌聚焦铂类药物耐药性与预后评估。该领域已从“概念验证”迈向“临床效能评估”阶段。

       尽管研究增多，该领域仍面临诸多挑战：一是方法学不统一，不同研究在聚类算法[K-means vs. 高斯混合模型（Gaussian mixture model, GMM）]、瘤周范围、所用序列及亚区数量上差异显著，预测结果难以横向比较；二是生物学验证缺失，多数研究仅凭信号强度推断生境亚区意义，缺乏病理-影像配准验证；三是临床转化证据不足，现有模型均为回顾性设计，尚无前瞻性试验验证其临床决策价值。

       检索PubMed、Web of Science及中国知网（截至2026年4月），以“生境成像”或“habitat imaging”与“妇科肿瘤”或“gynecologic cancer”为关键词，发现现有综述存在明显缺口：多数综述局限于单一肿瘤类型或仅关注HI定义与建模方法，尚未将三大妇科肿瘤置于同一框架下系统比较；对标准化流程、多中心外部验证及临床转化的探讨也较为笼统。目前尚无综述同时整合三大妇科肿瘤MRI在HI的进展，且缺乏对标准化与临床转化的系统评析。为此，本文系统梳理上述三大肿瘤HI的代表性研究，评析不足，探讨转化潜力，并提出标准化建议。

1 文献检索策略

       为提升循证严谨性，本综述系统性检索PubMed、Web of Science、中国知网及万方数据等数据库，时间范围自建库至2026年4月1日。英文检索式：“habitat imaging” OR “radiomics” AND “cervical cancer/endometrial cancer/ovarian cancer” AND “MRI”；中文检索式：（“生境成像” OR “栖息地成像” OR “影像组学”）AND（“宫颈癌”OR “子宫内膜癌”OR “卵巢癌”）AND “磁共振成像”。纳入标准：（1）原创性临床研究；（2）研究对象包括宫颈癌、子宫内膜癌、卵巢癌三种肿瘤或其中的一种；（3）采用基于MRI的HI、体素聚类方法或亚区分割的研究，并报告预测、诊断或预后相关量化指标。排除标准：（1）综述、述评、个案报道及会议摘要；（2）体外实验、动物实验及仅涉及技术方法开发而无临床验证的论文。初次检索共获得文献487篇（PubMed 156篇、Web of Science 142篇、中国知网109篇、万方80篇）。剔除重复文献112篇，剩余375篇。排除不相关文献、综述、个案报道、会议摘要及动物实验等共277篇，获得98篇。进一步阅读全文复筛，根据纳入标准及排除标准逐篇筛选，最终纳入符合标准的原始研究16篇（宫颈癌7篇、子宫内膜癌4篇、卵巢癌3篇，另2篇为子宫肌瘤/肉瘤鉴别相关）。本综述的核心结论均基于上述纳入文献。此外，本综述在引言及背景部分引用了少量经典综述文献，用于阐述领域背景与现有综述不足，不纳入核心原始研究分析。

2 HI的概述

       HI完成了医学图像分析从全肿瘤宏观统计向体素级微观解析的维度跨越。其技术内核以肿瘤达尔文进化动力学模型为理论基石，采用无监督机器学习聚类算法（如K-means、GMM）高通量解析多模态影像矩阵数据^[9]，将肿瘤实质及其周边微环境精确划分为成像信号特征相似的体素簇，从而构建出内部影像特征相对均一的生物学子区域。每个生境子区域在物理空间上对应特定的组织学构成、基因突变表达谱与细胞表型特征，借此实现对ITH的可视化呈现与定量评估^[16]。

       基于mpMRI的HI依托于不同序列成像参数的融合，从多维度剖析肿瘤内部血供分布、细胞聚集密度与组织代谢状态，构建能够反映多种病理生理状态的功能生境图谱^[17]。具体而言，扩散加权成像（diffusion-weighted imaging, DWI）序列中表观扩散系数（apparent diffusion coefficient, ADC）值降低的区域，通常对应于细胞增殖活跃、排列紧密的高细胞密度生境亚区^[18]；而动态对比增强（dynamic contrast enhanced, DCE）MRI的容积转运常数（volume transfer constant, K^trans）和速率常数（rate constant, Kep）值升高，则提示病灶新生血管丰富、血流灌注充足^[18]，归属于高灌注生境亚区^[19]。通过整合mpMRI所提供的多维信息，HI实现了从二维平面评估向三维立体解析的跨越^[20]。在聚类算法的选择上，目前妇科肿瘤HI研究中最常用的是K-means与GMM两种算法，两者在数学原理与适用场景上存在显著差异。K-means为硬聚类算法，通过迭代最小化欧氏距离将每个体素强制分配至最近的单一聚类中心，计算效率高、抗噪能力强，在多中心数据中不易过拟合^[21]。但其假设聚类簇呈球形，无法捕获复杂协方差结构，也忽略了组织微环境中的概率重叠区域。因此，K-means更适用于基于标准化定量参数图（如ADC、纯扩散系数D、灌注分数f）的快速稳定聚类^[22]。GMM为软聚类算法，采用期望最大化（expectation maximization, EM）算法将体素信号拟合为多个多元高斯分布的加权组合，允许生境亚区呈任意朝向并输出后验概率，能更真实地反映肿瘤边界与瘤周屏障的复杂关联。但其对初始中心和噪声敏感，在图像质量不稳定或扫描协议不统一时过拟合风险高^[23]。大规模多中心研究倾向于K-means以保证稳定性与可推广性，单中心高质量研究可尝试GMM以获取更丰富的空间概率信息。

       目前，基于mpMRI的HI已在神经胶质瘤、鼻咽癌、乳腺癌、肝细胞癌、前列腺癌等多种实体肿瘤的预后预测及治疗反应评估中开展广泛探索，其中以乳腺癌领域的研究最为深入^[24]。

3 HI在宫颈癌中的应用进展

       宫颈癌是全球最常见的妇科恶性肿瘤之一，在女性癌症发病率中居第四位^[3]。很大一部分宫颈癌病例，特别是在发展中国家，被确诊时为局部晚期宫颈癌（locally advanced cervical cancer, LACC）。精准术前分期与局部复发风险评估直接决定放化疗方案选择与根治性手术切除范围。

3.1 T分期与PMI预测

       PMI状态严格界定早期与LACC手术指征，PMI阳性导致国际妇产科联盟（International Federation of Gynecology and Obstetrics, FIGO）分期直接升级至ⅡB期，标准治疗方案由手术切除转变为同步放化疗^[25]。术前MRI评估PMI的准确性有限，尤其对于早期或微小浸润，常规T2WI和DCE-MRI的诊断准确率有限且假阳性率较高^[26]。HI通过体素级聚类保留空间邻域关系与功能亚区的拓扑结构，可识别与侵袭行为密切相关的“界面生境”（如肿瘤-间质交界处的微浸润区），从而提升诊断效能^[27]。

       YANG等^[28]基于T2WI的3类生境模型预测PMI，测试集的受试者工作特征曲线下面积（area under the curve, AUC）为0.850，但训练集AUC达1.000，存在严重过拟合风险。CUI等^[29]整合多模态MRI，包括T2WI、对比增强T1加权成像（contrast-enhanced T1-weighted imaging, CE-T1WI）及ADC，提取瘤内与瘤周生境特征，其集成生境模型在外部验证集中的AUC达0.906，且瘤周生境模型（AUC=0.843）显著优于瘤内生境模型（AUC=0.719），证明了界面生境的预测优势。

       高分辨率T2WI是判定局部浸润和大体解剖轮廓的金标准；结合DWI-ADC功能序列与CE-T1WI，能形成捕捉水分子扩散受限及血管渗漏的优势生境模型。宫颈局部重度感染、物理压迫或组织炎性渗出易在增强及DWI像上产生混杂信号，HI对这部分生理变异与微小脉管侵犯的鉴别能力仍存在局限。

3.2 N分期与盆腔淋巴结转移预测

       盆腔淋巴结转移（lymph node metastasis, LNM）是宫颈癌N分期及预后的独立决定因素。常规MRI评估主要依赖淋巴结短径大小（通常以≥10 mm为阳性界限），难以检出直径<5 mm的微小转移灶^[30]。基于原发灶的HI，通过量化侵袭性实质亚群的分布，在术前提供了无创预测LNM的新路径。WANG等^[31]基于T2WI+DWI-ADC的生境模型预测盆腔LNM的内部验证AUC为0.872，联合临床模型后提升至0.895，有望减少不必要的术中淋巴结清扫。DWI-ADC序列是N分期预测的核心功能序列，其反映的细胞核质比和水分子扩散受限度能够直接对应原发灶的高侵袭性克隆生境^[32]。由于原发灶向淋巴道转移的过程受肿瘤细胞与宿主免疫微环境（如淋巴管生成）的复杂交互影响，单纯基于原发灶MRI图像构建的生境模型，对跳跃性转移或非连续微小转移结节预测的敏感度仍显不足^[30]。

3.3 危险度分层

       宫颈癌危险度分层指导着治疗强度的选择（如术后是否需辅助放化疗）^{[33, 34, 35]}。目前危险度分层主要依据临床病理因素[肿瘤大小、间质浸润深度、淋巴血管间隙浸润（lymphovascular space invasion, LVSI）、淋巴结状态等]，但这些信息多来源于术后病理，无法实现术前个体化风险评估^[36]。基于MRI的HI可通过无创方式识别与高危表型相关的功能亚区，在术前预测危险度分组。

       汪洋等^[37]在单中心回顾性研究中整合DCE-MRI及体素内不相干运动（intra-voxel incoherent motion, IVIM）成像数据进行HI，发现高危组中“高流入高流出亚区（H1.1）”占比较高，而低危组中“高流入低流出亚区（H1.2）”及“高灌注高扩散亚区（H2.3）”占比较高。临床-生境联合模型在训练集与验证集中的AUC分别为0.814和0.818，该显著性差异仅在训练集中得到证实（P=0.012），验证集差异未达到统计学意义，提示模型存在过拟合风险，泛化效能有待验证。IVIM序列的D与f可分别反映组织细胞密度与微循环灌注状态，联合DCE-MRI定量参数（K^trans、Kep）可同步评估肿瘤微环境扩散-灌注特征。该分层评估本身整合了多个临床病理因素，单一时间点的影像生境特征易受训练队列数据分布偏移的影响，泛化效能常随之下降。

3.4 治疗反应预测

       LACC的标准治疗为同步放化疗，但20%~30%的患者存在治疗抵抗，导致复发和预后不良。若能在治疗前识别抵抗人群，则可实施个体化强化方案（如增加化疗周期、联合靶向治疗等）^[38]。HI通过分析预处理影像中与放化疗抵抗相关的功能亚区，有望实现早期反应预测。

       WANG等^[39]在一项多中心回顾性研究中，纳入211例LACC患者，基于预处理CE-T1WI构建ITH模型，预测同步放化疗早期反应。该模型在训练集和两个独立外部测试集中均表现良好（AUC分别为0.858、0.829和0.829），证实基于生境理念的肿瘤亚区解析策略可在治疗前无创识别抵抗人群。该研究采用CE-T1WI作为核心序列，通过肿瘤血供分布与坏死区域特征区分高增殖活性的“活跃生境”与缺氧坏死的“惰性生境”，相当于虚拟活检，避免有创取样且可全面评估肿瘤。但该研究未区分不同放化疗方案对预测效能的影响，也未分析生境亚区空间分布模式的预测价值；且外部验证集同样来自回顾性数据，其前瞻性预测能力仍有待验证。

3.5 预后预测

       目前，HI在宫颈癌预后预测领域的研究尚处于起步阶段。经系统检索PubMed、Web of Science等数据库（截至2026年4月），尚未发现直接以长期生存[无进展生存期（progression free surviva, PFS）或总生存期（overall survival, OS）]为终点、基于MRI的HI预测宫颈癌预后的正式期刊研究。现有HI研究多集中于宫颈癌LVSI预测^[13]、PMI评估^[29]及治疗反应预测^[39]等与预后密切相关的中间终点，提示生境特征可能与患者预后存在一定关联，但以长期生存为终点的直接证据仍有待补充。这一研究空白既反映了该领域尚处于早期阶段，也为后续研究指明了方向。未来可基于预处理mpMRI提取生境特征，构建以长期生存为终点的预后预测模型，并探索生境特征在传统FIGO分期之外的增量预后价值，以推动影像学生物标志物指导下的个体化随访策略。

       综上，宫颈癌HI各方向效能差异明显：治疗反应预测证据等级最高；T分期次之，但两者核心序列不同（CE-T1WI vs. T2WI+CE-T1WI+ADC），提示不同应用场景对序列选择存在差异；N分期和危险度分层均为单中心研究，泛化效能有限，后者过拟合风险明显。对比各研究方向可发现：多参数融合优于单序列建模；多中心外部验证显著提升模型可信度，而单中心研究均存在不同程度的泛化不足。预后预测尚无研究。上述对比提示，未来需统一聚类数量、瘤周范围及核心序列，并优先在多中心外部验证中评估模型泛化能力。各研究的具体特征详见表1。

点击查看表格

表1  宫颈癌生境成像核心研究特征汇总
Tab. 1  Summary of core study characteristics of habitat imaging in cervical cancer

4 HI在子宫内膜癌中的应用进展

       子宫内膜癌是高收入国家最常见的妇科恶性肿瘤之一，近年来东亚地区因饮食及生活习惯改变，其发病率亦呈快速上升趋势^[40]。MRI是子宫内膜癌诊断、分期及疗效预测的重要手段^[41]，但在区分良恶性病变及不同分子亚型方面存在局限性^[42]。基于mpMRI的HI技术已逐步应用于子宫内膜癌的分子亚型预测、CSI评估及LVSI预测等领域。

4.1 分子亚型预测

       p53异常型是子宫内膜癌预后最差的分子亚型，患者面临极高早期复发率与严重不良生存结局风险^[43]。术后肿瘤组织免疫组化切片与全外显子基因测序为该亚型判定金标准^[44]。常规MRI评估难以区分不同分子亚型，传统影像组学因忽略肿瘤内部功能异质性而效能有限。HI通过解析与p53突变相关的功能亚区，有望在术前无创识别高危分子亚型^[45]。

       金文韬等^[46]基于多中心队列构建生境影像组学模型，训练集AUC为0.855，验证集为0.769，显著优于临床模型（P<0.05），决策曲线分析（decision curve analysis, DCA）显示阈值概率0.2~0.8间有临床净收益。但AUC明显衰减（0.855 vs. 0.769），且验证集生境模型与全区域模型差异无统计学意义（P=0.543），提示过拟合风险。该研究亮点在于将分子病理信息与影像表型关联，属于放射基因组学范畴。DWI（反映细胞密度，ADC降低提示增殖活跃）与CE-T1WI（反映血供分布）的联合应用，可从细胞增殖与微血管灌注两维度捕获与p53突变相关的功能亚区特征。但p53突变如何改变MRI信号特征的生物学机制尚不明确，推测可能与细胞增殖加快（ADC降低）、新生血管异常（K^trans改变）及代谢重编程有关，后者可通过酰胺质子转移加权成像（amide proton transfer weighted imaging, APTw）信号改变来反映。这些假设均需影像生境亚区与手术标本点对点空间配准研究加以验证。目前此类验证研究在子宫内膜癌中非常少见，模型的泛化能力尚需更大样本的多中心外部验证。

4.2 T分期与CSI预测

       CSI是子宫内膜癌FIGO分期（≥Ⅱ期）的关键决定因素，直接影响手术范围及辅助治疗策略^{[47, 48]}。术前MRI评估CSI的准确性有限^[49]。HI通过联合分析肿瘤内部及瘤周微环境的功能异质性，可捕捉宫颈交界处的隐匿性浸润区域，为术前精准分期提供新的影像学手段。

       WANG等^[50]基于GMM进行生境聚类，发现瘤周3 mm功能性生境模型（ADC+CE-T1WI）预测CSI的AUC为0.807，联合临床因子后提升至0.815；且功能性生境优于结构性生境（T2WI+CE-T1WI），提示功能参数对微浸润更敏感。该研究证实整合瘤周生境特征可显著提升CSI术前预测效能，但各中心扫描协议是否统一未详细说明，且瘤周扩张环固定为3 mm，未进行不同半径（如1 mm、2 mm、5 mm）的敏感性分析，最佳扩张环半径尚需进一步验证。未来需在更大样本的外部验证集中确认模型的泛化能力。这与病理学常识一致，微浸润灶早期尚未引起明显的形态学结构改变，但已表现出细胞密度增高和血供异常。未来可探索超功能参数（如IVIM纯扩散系数D）在HI中的增益价值。

4.3 LVSI预测

       LVSI状态深刻影响子宫内膜癌远期复发风险及全身系统性化学治疗决策^[51]。术前缺乏精确评估脉管侵犯工具^[52]。传统影像学方法难以识别微小的脉管侵犯，HI通过解析与脉管侵犯相关的功能亚区，有望实现LVSI的术前定量预测，为手术方案及辅助治疗决策提供影像学依据。WANG等^[52]获取多b值DWI原始数据，精细计算真实水分子扩散系数（D）、微循环灌注分数（f）及平均峰度（mean kurtosis, MK）等扩散峰度成像（diffusion kurtosis imaging, DKI）参数图，采用K-means无监督聚类算法将子宫内膜癌病灶解码为4个独立生境亚区，LVSI阳性患者中Habitat 1（H1，对应高细胞密度、低灌注区域）体积分数显著更高，预测AUC为0.76。多因素分析表明，H1体积分数、FIGO分期及组织学分级是LVSI的独立危险因素，生境体积分数作为连续变量纳入分析，证明其具有独立于传统病理指标的预测价值。DKI参数（D、f、MK）能够从三个维度刻画肿瘤微环境特征：D反映水分子真实扩散受限程度（细胞密度），f反映微循环灌注占比（血供），MK反映组织微观结构复杂度（异质性）。三者联合可较全面地捕获与LVSI相关的肿瘤生物学特征，尤其是H1亚区（高细胞密度+低灌注）所反映的高侵袭性生境，为LVSI预测提供了功能影像学依据。该研究样本量较小（仅22例LVSI阳性），可能存在过拟合风险，同时也未进行外部验证，其预测效能（AUC=0.76）尚有待进一步提升。未来需扩大样本量并开展多中心外部验证，同时可探索根据肿瘤内高侵袭生境空间位置（靠近血管区与否）预测实际脉管侵犯概率。

4.4 治疗反应与预后预测

       目前，HI在子宫内膜癌治疗反应与预后预测领域的研究仍属空缺。现有文献主要围绕分子亚型识别与分期评估展开^{[46, 50, 52]}，尚无研究直接探讨生境特征与子宫内膜癌新辅助化疗、免疫治疗或靶向治疗反应之间的关联，亦缺乏以PFS或OS为终点的预后模型报道。分析其原因：一方面，子宫内膜癌患者预后整体较好，多数患者通过手术即可治愈，新辅助治疗需求有限；另一方面，现有研究更关注通过影像无创识别分子亚型，而非直接预测生存终点；此外，新辅助和靶向/免疫治疗主要应用于晚期或复发患者，样本量有限，难以支撑大样本HI研究。这一空缺提示未来可聚焦高风险亚型（如p53异常型）的治疗反应预测，并通过多中心合作积累晚期患者的影像数据，探索生境特征与免疫治疗生物标志物的关联。换言之，该方向目前既无直接证据支持，也无否定证据反驳，尚属未开垦的研究领域。这一现状提示未来研究可重点围绕两个方向突破：一是基于预处理mpMRI生境特征预测子宫内膜癌患者对不同治疗模式（化疗、免疫治疗、靶向治疗）的反应；二是构建以长期生存为终点的生境预后风险分层模型，从而填补当前影像学生物标志物在子宫内膜癌治疗决策中的空缺。

       综合，子宫内膜癌HI各方向效能差异明显：分子亚型预测证据等级较高，可实现p53异常型的术前无创识别，避免依赖有创活检，但AUC衰减提示过拟合风险，可能与p53异常型占比低、阳性样本不足有关；T分期评估次之，可判断CSI状态，为是否需行根治性手术提供依据，证实功能性生境优于结构性生境，瘤周3 mm扩张环为优选半径，但扫描协议未统一；LVSI预测效能最低，可术前评估复发风险、指导辅助治疗决策，但样本量小，过拟合风险明显。对比各研究方向可发现：多中心研究证据等级普遍高于单中心研究；功能性参数优于结构性参数，但各研究在参数选择和聚类数量上不统一，横向可比性受限。治疗反应与预后预测尚无研究报道。上述对比提示，未来需统一参数选择与聚类标准，并优先在多中心外部验证中评估模型泛化能力。各研究的具体特征详见表2。

点击查看表格

表2  子宫内膜癌生境成像核心研究特征汇总
Tab. 2  Summary of core study characteristics of habitat imaging in endometrial cancer

5 HI在卵巢癌中的应用进展

       卵巢癌发病率逐年上升且呈年轻化趋势，全球每年新发病例超过30万例^[53]。因卵巢解剖位置深、早期症状不明显，多数患者确诊时已属中晚期，预后不佳^[53]。MRI因高软组织分辨率及多参数成像能力，在卵巢癌评估中应用日益广泛^[54]。近年来，基于mpMRI的HI技术已逐步应用于卵巢癌的预后预测、铂类药物敏感性评估等领域。

5.1 预后预测

       高级别浆液性卵巢癌（high-grade serous ovarian cancer, HGSOC）是卵巢癌中最常见且预后最差的病理类型^[55]，尽管接受标准化疗，患者预后仍存在显著差异^[56]。目前临床主要依赖FIGO分期、肿瘤减灭术残留灶大小及化疗反应等传统指标进行预后评估^[57]，但这些指标多为术后或治疗中获得，无法实现术前精准风险分层^[58]。

       BI等^[59]基于mpMRI构建生境模型评估HGSOC预后，联合模型预测OS和PFS的C-index分别为0.752、0.745和0.784、0.754，优于单一临床模型（0.713、0.695和0.727、0.700）及单一生境模型（0.707、0.672和0.627、0.641）。但生境模型本身并未显著优于临床模型，改善主要来自临床指标的增量贡献，生境特征独立预后价值有限。mpMRI（T2WI、DWI、DCE）可从形态学、细胞密度及微循环灌注多维度刻画HGSOC的时空异质性。该研究提示在HGSOC中，生境特征的独立预后贡献度有限。卵巢位于盆腔深部，受呼吸运动和肠道蠕动影响，MRI图像质量稳定性差，给生境聚类可重复性带来挑战。截至目前，尚无研究评估不同扫描技术对卵巢癌生境分区结果的影响。此外，该研究未报告各中心间生境特征的一致性分析，也未探讨生境特征与预后的关联是否独立于BRCA突变状态。

5.2 铂类药物敏感性预测

       铂类药物耐药是导致HGSOC治疗失败的关键临床障碍^[60]。若能提前识别铂耐药人群，则可实施个体化强化方案（如联合靶向治疗、更换化疗方案等）^[61]。然而，目前铂类药物敏感性主要依赖术后病理及临床随访判断，缺乏术前无创预测手段^[62]。BI等团队围绕铂类药物敏感性预测开展了一系列多中心研究。其中一项纳入998例患者的多模态研究^[63]显示，生境模型AUC为0.722、0.685，优于临床模型（0.683、0.681）和病理模型（0.533、0.565）；多模态模型（临床+生境+病理）AUC最高（0.789、0.807）。从而证实基于MRI的HI具有预测HGSOC患者铂类敏感性的潜力，多模态模型有助于提高预测性能。另一项研究^[64]也证实了这一潜力。这两项研究代表当前HI研究高水平范式，从单一模态到多模态，从单一尺度到跨尺度（影像-病理-临床）。值得注意的是，多模态模型（AUC=0.789、0.807）显著优于单一生境模型（0.722、0.685），说明影像、病理与临床信息之间具有互补性，三者联合能够更全面地刻画与铂耐药相关的肿瘤生物学特征。上述两项研究均为回顾性设计，铂耐药的定义（PFS<6个月）在回顾性研究中容易受到回忆偏倚的影响，前瞻性验证尤为必要。

5.3 分期评估

       目前卵巢癌HI在T分期和N分期方面的研究报道较少。现有文献多集中于利用生境特征预测铂耐药与预后^{[59, 63, 64]}，对于肿瘤原发性浸润深度、腹膜播散范围及淋巴结转移的精准评估尚缺乏系统研究。这主要受限于卵巢癌独特的播散方式（腹膜种植为主）及MRI对腹膜小病灶检测的敏感性不足^[65]。在T分期方面，未来可探索HI在量化腹膜转移负荷、评估大网膜及腹膜种植范围等方面的应用价值；在N分期方面，可将生境特征与淋巴结转移风险相关联，探索其对腹主动脉旁及LNM的预测价值，填补当前研究的不足。

       综上，卵巢癌HI主要集中于预后预测和铂类药物敏感性评估两大方向，各方向在效能及证据等级上存在明显差异。预后预测方面，BI等^[59]联合模型预测OS和PFS的C-index为0.752和0.784，但生境模型本身并未显著优于临床模型，改善主要来自临床指标的增量贡献，生境特征独立预后价值有限。铂耐药预测方面，BI等^[63]证实影像、病理与临床信息具有互补性；BI等^[64]同样验证了生境影像组学优于传统影像组学和深度学习模型。对比两项铂耐药研究可发现：多模态融合显著提升预测效能，但生境特征与铂耐药的因果关系尚不明确。T分期和N分期研究几乎没有。上述对比提示，未来需优先解决图像质量标准化问题，并通过多中心外部验证及类器官药敏实验明确生境特征的临床转化价值。各研究的具体特征详见表3。

点击查看表格

表3  卵巢癌HI核心研究特征汇总
Tab. 3  Summary of core study characteristics of habitat imaging in ovarian cancer

6 三大妇科肿瘤HI的共性规律与特异性差异

       HI通过体素级机器学习，实现了对妇科肿瘤内复杂的空间异质性和达尔文克隆进化的多维定量可视化^[9]。系统对比分析表明，HI在三大妇科肿瘤的临床评估中展现出明确的共性技术规律，同时也由于各器官组织解剖结构及生长行为的不同，显现出特异性的差异。

6.1 共性优势

       综合上述三大肿瘤的研究，HI在妇科肿瘤领域展现出以下共性优势：首先，功能参数优于结构参数，基于DCE、ADC等功能/代谢参数的生境模型普遍优于基于T2WI等结构像的模型，提示功能成像对肿瘤异质性的表征更为敏感；其次，局部优于全局，生境亚区模型或瘤周模型的预测效能普遍优于全肿瘤平均化模型，证实了“局部优于全局”的假设；最后，多模态优于单模态，整合mpMRI、临床及病理特征的多模态模型效能显著优于单一模态模型。

6.2 特异性差异

       三大肿瘤HI在研究深度、预测效能与技术挑战三方面存在显著差异。研究深度上，宫颈癌最为成熟，已覆盖T分期（PMI）、N分期（淋巴结转移）、危险度分层及治疗反应预测，但预后预测尚属空缺；子宫内膜癌集中于分子亚型与分期评估，治疗反应及预后预测同样缺失；卵巢癌主要聚焦铂耐药与预后，T分期和N分期研究几乎没有。预测效能上，宫颈癌PMI外部验证AUC达0.906，淋巴结转移预测联合模型AUC达0.895；子宫内膜癌p53亚型训练集AUC为0.855，但验证集衰减至0.769，CSI预测AUC为0.815，LVSI预测AUC仅为0.760，为三个方向中效能最低，且受限于单中心小样本设计，证据等级有限。卵巢癌铂耐药多模态模型AUC达0.807，但生境模型本身未优于临床模型。技术挑战上，卵巢癌图像质量受呼吸运动影响最大，聚类可重复性面临挑战；子宫内膜癌因p53异常型占比低（约10%~15%），阳性样本不足易致过拟合；聚类策略上宫颈癌多采用2~3类，核心序列CE-T1WI+DWI；子宫内膜癌多采用3~4类，侧重DWI定量参数（D、f、MK）；卵巢癌需先对囊实性成分解耦再针对实体区域分析。上述差异提示HI的临床应用需根据肿瘤类型“量体裁衣”，难以采用统一方案。

7 小结与展望

       HI技术通过体素级聚类分析，将肿瘤划分为具有不同病理生理特征的亚区域，为无创评估肿瘤异质性提供了全新的影像学手段。在宫颈癌、子宫内膜癌及卵巢癌等妇科常见肿瘤中，基于MRI的HI已展现出重要的临床应用价值。HI可优先用于宫颈癌T分期评估（PMI）与淋巴结转移评估、子宫内膜癌p53分子亚型预测、卵巢癌铂类药物敏感性预测等术前无创预测场景。

       当前，HI在妇科肿瘤中的研究正逐步从单一模态、单区域分析向多参数、多区域及多模态融合的方向发展。然而，该领域仍面临诸多挑战：比如设备与扫描参数的差异，这直接影响图像标准化与结果可重复性，因此亟需建立统一的采集与预处理规范；从临床证据层面来看，现有研究多为小样本、单中心回顾性分析，未来须通过开展多中心、大样本的前瞻性研究来获取能指导临床决策的高级别循证医学证据；此外，当前国内研究多集中于模型构建与临床效能探索，而国际前沿已逐步转向自适应聚类算法与放射基因组学的系统整合，以揭示生境亚区背后的分子生物学机制。

       展望未来，妇科肿瘤HI研究可从以下几方面深化：

       第一，建立标准化分析流程。建议生境聚类数量采用Calinski-Harabasz指数（CH指数）等聚类评估指标确定，而非预先固定聚类数目。已有宫颈癌HI研究采用该指数评估k=2~10的聚类方案，确定最优聚类数为3类^[31]；亦有研究通过该指数评估k=3~10的聚类方案，同样确定3类为最优^[29]；但部分研究在10次重复聚类中得出7类为最优^[39]。提示CH指数最优解因数据特征而异，研究者应根据具体数据特征，综合CH指数等指标确定最优聚类数量。瘤周扩张环半径为3 mm，基于WANG等^[50]等多中心研究的优选结果，该半径在预测CSI时效能最佳，1 mm半径信息量不足、5 mm半径易引入无关组织信号；核心MRI序列为DWI联合DCE，多项研究证实功能参数（ADC、K^trans）预测效能优于单纯T2WI结构参数。扫描参数需同步规范：DWI至少3个b值（50、400、800 s/mm²），DCE时间分辨率≤7 s/期，层厚≤3 mm。通过上述举措建立国际通用的HI分析流程，确保不同设备和多中心数据的可比性。

       第二，强化生物学验证。建议优先采用影像生境亚区与病理标本之间的空间配准研究：离体标本逐层薄层切片（层厚3~5 mm），选取与MRI扫描方位一致的切面进行HE染色及免疫组化标记，通过解剖标志点（如肿瘤最大径层面、宫颈口等）实现影像-病理空间对应，明确各生境亚区对应的组织病理学与分子生物学内涵。

       第三，推进前瞻性临床验证。目前所有预测模型均基于回顾性数据，尚需前瞻性研究验证其临床决策价值。建议优先验证三个场景：宫颈癌治疗反应预测（验证生境模型指导强化方案能否延长PFS）；子宫内膜癌p53异常型预测（验证生境模型筛选出的高危患者接受积极辅助治疗能否改善OS）；卵巢癌铂耐药预测（验证生境模型指导非铂类方案能否延长PFS）。均需以传统临床决策为对照，以PFS或OS为主要终点，开展多中心随机对照试验。

       第四，深化技术融合。发展自适应多模态聚类算法，引入深度学习驱动的自动分割与生境分类技术；结合纵向影像监测，动态解析肿瘤微环境演化轨迹；深化放射基因组学整合，构建可反映肿瘤空间异质性与分子特征关联的生境图谱。

       通过多学科协作与技术融合，HI有望成为妇科肿瘤精准诊疗的重要工具，为个体化治疗决策提供更可靠的影像学支撑。