0 引言

       肿瘤微环境（tumor microenvironment, TME）的空间异质性，即血管生成、缺氧、基质纤维化、免疫浸润、增殖与坏死等病理特征在肿瘤内呈不规则区域性分布，决定了肿瘤侵袭转移、治疗抵抗及个体预后差异^{[1, 2]}。精准定位和阐释这种异质性是临床个体化精准诊疗的前提。

       病理活检目前仍是评估TME特征的金标准，但有创、难以重复、取样范围有限。高度异质性肿瘤的单点或多点活检会有或多或少的采样误差，不能全面刻画TME全域分布^[3]。离体标本的处理也会发生形变，病理信息同在体位置之间的对应关系就更为复杂^[4]。因此临床迫切需要一种无创、可重复、全息定量反映TME空间异质性的方法。

       多参数磁共振成像（multiparametric magnetic resonance imaging, mpMRI）融合了扩散加权成像（diffusion-weighted imaging, DWI）、动态对比增强磁共振成像（dynamic contrast-enhanced MRI, DCE-MRI）、血氧水平依赖成像（blood oxygen level-dependent, BOLD）、磁共振弹性成像（magnetic resonance elastography, MRE）及磁共振波谱（magnetic resonance spectroscopy, MRS）等多个功能序列^{[5, 6]}，可以从水分子扩散、微血管灌注、氧合、组织硬度和代谢水平等方面，无创地量化TME的物理和生理特性^{[7, 8]}。比起单一序列表征TME，mpMRI多参数互补优势更多地体现于肿瘤空间异质性描述中，目前已经比较广泛应用在肿瘤早期诊断、分期、疗效评价和预后判断中。借助影像-病理空间配准技术，mpMRI参数还能与离体病理切片的特定TME特征建立空间上的对应关系，把宏观影像和微观病理连接起来。

       围绕mpMRI与肿瘤的空间异质性对照，国内外学者已开展了大量相关工作^[9]，在血管生成、缺氧、纤维化、免疫微环境、增殖与坏死等领域，积累了一定的影像-病理关联依据。不过多数研究仅针对单一肿瘤类型或单个病理环节展开，技术路线差异较大，且多为单中心、小样本的探索性工作^{[10, 11]}，尚未形成系统性的整理分析。据检索，目前国内外仅有单一针对“mpMRI表征TME”^[5]或“MRI与组织学空间配准技术”^{[12, 13]}的综述，本文将两方向结合，重点放在“mpMRI与TME核心病理特征空间对照”这一主题进行归纳和批判性分析，梳理TME微观病理特征在宏观影像上的空间分布规律，整理出一套可量化、可验证的研究框架，以期为该领域从概念验证向临床实用化推进提供一定的理论参考。

1 文献检索方法

       本文检索了中文数据库（中国知网、万方数据）和英文数据库（PubMed, Web of Science）中截至2026年5月发表的相关文献。中文检索式：（多参数磁共振成像OR mpMRI OR 多参数 MRI）AND（肿瘤微环境OR血管生成OR肿瘤缺氧OR基质纤维化OR肿瘤免疫微环境OR细胞增殖OR肿瘤坏死）AND（空间对照OR影像病理配准OR病理对照OR空间异质性）AND（肿瘤OR恶性肿瘤）；英文检索式：（multiparametric MRI OR mpMRI）AND（tumor microenvironment OR angiogenesis OR hypoxia OR fibrosis OR immune microenvironment OR proliferation OR necrosis）AND（spatial correlation OR spatial mapping OR spatial heterogeneity OR spatial registration OR radiology-pathology correlation OR histopathological correlation）AND（tumor OR neoplasm）。

       文献纳入标准：（1）研究内容采用mpMRI任意一种或多种；（2）开展MRI影像与病理对照；（3）恶性肿瘤；（4）原始研究、高质量综述及Meta分析。排除标准：（1）语言非中文、英文；（2）数据不完整的文献。对初检获得文献进行去重、标题与摘要初筛、全文复筛后，最终纳入与主题密切相关的文献40篇；文中同时引用背景综述、技术方法类辅助文献30篇。

2 mpMRI技术基础与肿瘤空间分析方法

2.1 核心mpMRI序列与生物学基础

       mpMRI从水分子扩散、微血管灌注、血氧水平、组织弹性及代谢状态等维度获取TME的空间异质性信息，为影像-病理空间配准提供核心技术支撑^{[14, 15]}。微观病理表型能否转化为宏观影像信号，关键在于mpMRI各序列成像原理与TME病理特征之间的生物学对应关系，这种对应关系是明确存在的。

       临床评估肿瘤细胞密度时，常采用DWI与表观扩散系数（apparent diffusion coefficient, ADC）这两项序列^[16]。其成像原理核心在于观测水分子布朗运动的受限情况^[17]。当肿瘤细胞大量增殖，核质比会上升，细胞外空间被挤压，水分子无法自由扩散，对应的影像特征为DWI高信号、ADC数值下降，上述变化能够体现Ki-67、PD-L1高表达状态，还有细胞密集区域等病理特征^{[18, 19]}。与常规DWI相比，扩散张量成像（diffusion tensor imaging, DTI）还能提供各向异性分数（fractional anisotropy, FA）等参数，用于呈现肿瘤组织微观结构的完整度与纤维束受侵袭状态，对TME空间异质性的刻画更细致^[20]。

       评估肿瘤血管生成与灌注水平时，常会用到两项关键技术，一项是DCE-MRI，另一项是动态磁敏感对比增强磁共振成像（dynamic susceptibility contrast MRI, DSC-MRI）^[21]。给患者静脉注射对比剂后，DCE-MRI能定量计算容量转运常数（volume transfer constant, K^trans）、速率常数（rate constant, kep）、血管外细胞外间隙容积分数（extravascular extracellular volume fraction, Ve）及初始曲线下面积（initial area under the curve, iAUC）等参数，这些参数可直接体现微血管通透性、灌注量及间质分布特征，还与微血管密度（microvessel density, MVD）、血管成熟度等病理指标高度相关^{[22, 23]}。DSC-MRI依托磁敏感效应获得相对脑血容量（relative cerebral blood volume, rCBV）、相对脑血流量（relative cerebral blood flow, rCBF），在中枢神经系统肿瘤的微血管容积评估中适用性更强，和血管增生、血管生成拟态（vasculogenic mimicry, VM）（指肿瘤细胞不依赖内皮细胞自主形成类血管管道的特殊供血模式）等空间分布特征匹配度较好^[24]。

       BOLD是评估TME缺氧异质性的核心功能序列之一，它利用脱氧血红蛋白为内源性对比剂，凭借R2^*值或T2^*加权信号，无创获知肿瘤局部的氧合状态^{[25, 26]}。当缺氧病灶内脱氧血红蛋白大量聚集时，局部R2^∗数值会随之升高^[27]，这个参数和缺氧诱导因子1α（hypoxia-inducible factor 1α, HIF-1α）、碳酸酐酶Ⅸ（carbonic anhydrase Ⅸ, CAIX）等缺氧标志物的表达或许存在关联，能给影像-病理缺氧微环境对照提供关键参数。

       MRE对组织施加外部机械振动促使其产生剪切波，再测定肿瘤及瘤周组织的硬度数值，该数值可直接对应TME基质纤维化、胶原沉积及细胞外基质重塑的程度^[28]。纤维化程度提升、间质硬度增大时，MRE测出的剪切波速度和硬度数值也会升高。

       此外，MRS可无创检测出肿瘤组织内胆碱（choline, Cho）、肌酸（creatine, Cr）、乳酸等代谢物浓度，这类数据能反映TME代谢重编程的特征，与细胞增殖、缺氧及坏死等病理改变密切相关^[29]。

       综上，mpMRI整合扩散、灌注、血氧、弹性及代谢五个维度的成像信息，搭建起一套互补的成像体系，分别对应肿瘤细胞密度、血管生成、缺氧、基质纤维化及代谢异常等核心TME病理特征。这套体系为后续的影像-病理精准空间配准与定量关联分析提供了生物学与技术基础。当前多数研究都围绕单序列与单一病理特征的线性关联开展，对多序列参数之间的协同互补效应，挖掘程度还比较低。多数序列的信号往往来自多种生理因素的共同作用，不同肿瘤类型中，同一序列参数和同一病理指标的关联强度、关联方向都可能存在差异。后续研究要开发多参数融合建模算法，用机器学习对多维影像信号进行联合解码，增强对单一病理特征的特异性识别能力；还要开展跨癌种、跨分级的系统性mpMRI-TME关联研究，厘清参数-病理关联的普适性规律与肿瘤类型特异性规律。

2.2 影像与病理标本的精准空间配准技术

       在明确各mpMRI序列与TME病理特征的生物学关联后，实现两者定量对照的核心技术环节是精准完成影像与病理标本的空间配准^[13]，空间对应关系的可靠程度直接由配准精度决定。

       早期的相关研究，多采用人工肉眼比对或是简单的刚性配准操作，只能做到粗略的空间对应。有量化统计数据显示，肿瘤标本离体固定后平均收缩13.2%，经过切片处理后还会出现1.9%的轻微膨胀，不同病理区域的形变程度差异比较大^[12]。研究人员围绕提高配准精度，开发出多种优化策略，其中一种是借助体表标记的CT-MRI融合配准技术，利用维生素D胶囊完成定位并测算靶平面，能够实现MRI功能感兴趣区与穿刺取材位点的三维空间匹配^[30]。把个体化3D建模和3D打印模具技术结合起来，将离体标本放入预先设置的切割凹槽，让病理切面与MRI扫描层面严格对齐，解决了软骨肉瘤、肝癌等肿瘤的取样偏差问题^{[31, 32]}。两步离体MRI桥接策略，先对标本进行琼脂包埋，再依次完成刚性和非刚性配准操作，以离体MRI作为中间媒介校正软组织肉瘤的固定形变，把目标配准误差控制在2.02~2.25 mm之间^[33]。运用三维组织学重建与B样条弹性配准的组合方法，完成刚性-仿射-弹性三级配准操作后，地标点均方根误差从1.4 mm降到0.7 mm，配准精度达到细胞级别^[12]。立体定向神经导航引导下，以活检坐标构建体素级ROI，可实现影像与标本的点对点匹配^[34]。此外，基于解剖分区的空间对照、多序列影像非刚性配准联合全切片数字化分割^[35]，以及带定位网格的离体CT与病理切片逐层对照等方法^[36]，也进一步提升了配准的可操作性和精度，最新的研究已把变形配准的影像-病理误差降至1.54 mm^[37]。

       目前空间配准技术已跳出传统大体解剖对位的框架，转向三维弹性配准、3D打印模具、离体影像桥接等主流应用方向，空间误差已有所缩小，为TME各维度特征的精准定量关联分析提供方法学保障。但仍有几个关键问题需解决：第一，配准精度与临床便捷性难以兼顾，高精度弹性配准和3D打印模具技术操作复杂、耗时偏长，无法在常规临床流程中普及；第二，离体组织经过固定、脱水、包埋及切片环节后产生的非线性形变，无法做到完全校正；第三，不同研究采用的配准方法、评价指标及误差报告标准未形成统一规范，存在明显差异。后续需开发基于深度学习的端到端自动配准算法，在维持亚毫米级精度的同时把处理时间缩短至临床认可的范围，搭建多组织类型的离体形变数字模型库，推进形变校正的组织类型自适应优化。

3 MRI与TME病理特征的空间对照研究

3.1 MRI与肿瘤血管生成的空间对照

       现在的空间对照研究，已从二维平面的常规分析，延伸到三维立体层面的系统化评估工作。LEJOLY等^[31]利用软骨肉瘤患者特异性3D打印定位模具，从空间层面逐一确认DCE灌注参数较高的区域，和MVD热点区域高度重叠，证实灌注参数能表征肿瘤的功能性新生血管。另有研究将高斯混合模型和三维配准技术结合，完成乳腺癌TME的分区匹配，影像与病理的Jaccard拟合指数平均超过80%，DCE灌注等参数能区分肿瘤常氧、缺氧等不同血管生成活性区域（P<0.000 1）^[38]，三维空间配准的方式更贴合肿瘤血管异质性在立体空间中的真实分布状态。

       WATANABE等^[10]针对具体参数的空间对应关系做了研究，结果显示肌层浸润性膀胱癌的MRI影像里，瘤周1~2 mm强化区的MVD，数值明显高于瘤内组织（P=0.000 1）与正常肌层（P=0.008 5），瘤周微血管异常增生是瘤周强化的核心病理基础。rCBV参数可对肿瘤微血管的容积进行定量测算，该参数与血管生成的整体水平直接相关。未接受治疗的高级别胶质瘤中，DCE-MRI检测得到的iAUC、K^trans等参数，和血管容积存在明显线性相关（R²=0.89、P<0.001），可定量表征微血管的结构；经抗血管内皮细胞生长因子受体2（vascular endothelial growth factor receptor 2, VEGFR2）治疗后，之前的线性模型拟合不再有效（P>0.05），影像与血管结构的对应关系被打破，抗血管治疗已重塑肿瘤血管的影像关联规律^[39]。

       除了已有的传统新生血管研究，VM介导的血管重塑等特殊模式的空间对照研究，进一步完善了mpMRI的血管评估体系。SUN团队^[40]针对胶质母细胞瘤开展研究，发现肿瘤强化异质性与VM密度的空间分布存在关联，高强化细胞栖息地的体素占比与离散VM密度呈正相关（β=0.692，P<0.001），低强化细胞栖息地则与之呈负相关（β=-0.579，P<0.001），高低强化影像分区能对应VM的差异化表达水平，说明中枢肿瘤影像信号不均的病理机制。

       现有研究已证实，mpMRI可从结构、功能、调控机制多个维度，展现肿瘤血管生成的空间异质性，自动化聚类分析等技术加入后，该领域的量化研究也得到了推进。不过单一影像参数在区分良恶性血管强化时，特异性还存在不足，后续需搭建多参数互补的体系，明确不同肿瘤及治疗阶段中，血管影像与病理特征的对应规律。

3.2 MRI与肿瘤缺氧微环境的空间对照

       早期前列腺癌的研究发现，ADC、K^trans、R2^*等这类常规定量参数，和葡萄糖转运蛋白1（glucose transporter 1, GLUT-1）的乏氧组化结果不存在明显空间关联，仅有28项T2WI纹理特征，与乏氧特征基因集、GLUT-1之间有弱但具备统计学意义的相关性（P<0.05，ρ>0.3），能初步展现瘤内缺氧的空间异质性^[41]。采用正电子发射断层显像（positron emission tomography, PET）/MRI联合研究也得出了一致结论，在头颈部鳞状细胞癌样本中，ADC值和CAIX、GLUT-1等标志物不存在显著空间相关性（P=0.781；P=0.118）^[42]，这种“单参数失效”并非个例，现有单变量影像标志物本身缺氧特异性不够，难以与GLUT-1等免疫组化指标建立直接、独立的空间对应关系。

       对比单参数功能MRI，mpMRI对缺氧微环境的空间配准精度有比较大的提升，这种提升依托多维信息的交叉补偿，能填补单参数在特异性上的不足。DCE-MRI凭借灌注成像优势，能捕捉肿瘤血管结构异常带来的缺氧病理变化，利用无监督模式识别算法，还能自动划分富氧高灌注区、缺氧延迟灌注区和无灌注坏死区，划分结果和病理缺氧染色的结果相同^[43]。乳腺癌模型的多参数ANOVA分析也显示，DCE半定量斜率、受试者工作特征曲线下面积（area under the curve, AUC）、达峰时间在不同微环境亚型间的多重比较中，P值均小于0.000 1，能区分肿瘤的常氧、缺氧、坏死等区域，而T2、ADC值在四类生境间的差异没有统计学意义，单序列诊断效能显著低于DCE-MRI^[38]。综合这些结果，多参数模型中隐含的灌注、渗透性及动力学异质性，能展现出单参数未能捕捉到的缺氧特异性信息。

       整合多参数、开展异质性分析，比单一序列匹配更可靠，但这一优势有明显瘤种依赖性。在肝癌中，BOLD与DCE-MRI衍生的直方图异质性参数，能有效反映肿瘤氧合状态和灌注水平的空间分布，与HIF-1α染色分数、程序性死亡受体1（programmed death-1, PD-1）基因表达均有显著Spearman相关（P<0.05），但均值、中位数等集中趋势参数不具备这种效能^[35]。这可能源于肝细胞癌丰富的动脉血供及特有的血管生成模式，使灌注异质性与缺氧–免疫微环境紧密关联，而异质性参数恰好捕捉到了这一级联特征。动物实验的结果更直观，实施完整的经导管动脉化疗栓塞术（transarterial chemoembolization, TACE）后，肿瘤胞外pH逐步回升、ADC值也显著升高（均P<0.001）；但不完全TACE病灶中，无碘油沉积的残留区域pH仍维持酸性，ADC值更低（P=0.012）。借助mpMRI的胞外pH图谱和ADC空间分布参数，可以明确区分坏死区和残留的缺氧肿瘤区域^[44]。不过同样的方法在前列腺癌上，效果就大打折扣。前列腺癌的缺氧通常与慢性炎症并行，ADC值易受腺腔内组织干扰，盆腔区域的磁化率伪影对R2^*的影响也更突出，让单参数的特异性下降；而肝癌实性结构相对均质，以HIF-1α为核心的乏氧–糖代谢–免疫调控轴相对清晰，灌注异质性参数与缺氧标志物的关联也更直接。头颈部鳞癌中，ADC与CAIX/GLUT-1不存在空间相关关系，这类研究结果也直接呈现不同瘤种在基质成分、缺氧诱导通路及影像特征决定因素上的本质差异。

       和单序列检测比，整合多参数匹配缺氧区域的效果更好，但目前仍有未解决的瓶颈：BOLD的R2^*会受到磁化率伪影、出血的干扰，在胶质母细胞瘤等肿瘤中信号混杂不清，而离体缺氧标志物只能开展静态单时相检测，没法反映肿瘤缺氧在分钟到小时级的动态波动，还缺少跨瘤种的乏氧影像阈值。未来要开发多回波BOLD校正算法剔除磁化率伪影，开展多瘤种剂量-反应曲线拟合工作，建立瘤种特异性的R2/ADC乏氧阈值。

3.3 MRI与肿瘤基质纤维化的空间对照

       基于MRE及DWI反映基质力学与含水环境的原理，空间对照研究进一步量化了纤维化程度与影像参数间的对应规律。MCGRATH等^[45]的研究显示，常规及功能MRI参数与纤维化病理表型之间存在可量化的对应关系，他们将标本用福尔马林固定诱发纤维化后，与新鲜离体标本进行对比，测得T2值降低（P<0.000 8）、ADC值下降（P<0.005）、MRE杨氏模量升高（P<0.02），这些信号改变和病理层面纤维致密增生、细胞外间隙缩小、间质交联重塑的空间特征高度匹配。纤维化引发间质致密化，限制水分子扩散，使得ADC值降低，新生的间质血管结构紊乱，引发局部灌注异常，形成特征性强化征象，纤维组织大量沉积直接提升肿瘤及瘤周组织硬度^[46]。

       采用高精度空间配准算法后，多瘤种研究证实了MRI征象与基质纤维化的空间异质性关联。针对肌层浸润性膀胱癌的研究显示，mpMRI检测到的1~2 mm瘤周强化带，与病理切片中瘤周纤维化高负荷区的空间位置完全匹配，瘤周区域纤维化面积分数为32.9%，比瘤内的7.1%（P=0.000 1）、正常肌层的15.5%（P=0.000 2）都高，纤维化程度还在肿瘤浸润边缘达到峰值，瘤周强化是肿瘤浸润前沿基质重塑的特征性影像表现^[10]。三阴性乳腺癌的瘤周水肿、环形强化征象，同样对应间质纤维异常增生的病理改变^[47]。肝癌相关研究补充了力学维度的空间关联内容，肿瘤及瘤周的硬度值与间质纤维化程度显著相关^[46]。

       综上，MRE硬度及ADC值降低已证实与纤维化致密区空间匹配。当前还存在特定难题，纤维化组织的形变模式和正常组织不同，常规配准算法在这类区域的误差会增大，影像参数只能体现胶原的总量而非功能活性，无法区分具有促侵袭性的活跃纤维化与惰性纤维化。后续需开发带有纤维化形变先验约束的自适应配准模型，同时探索用MRE黏弹性参数区分胶原交联模式的可行性。

3.4 MRI与肿瘤免疫微环境的空间对照

       mpMRI依托多参数序列可提取定量指标，为建立影像信号与免疫微环境病理特征的空间关联提供数据基础。多个癌种的相关研究已验证，mpMRI的多维度定量参数可与免疫检查点分子、肿瘤浸润淋巴细胞、免疫评分等病理指标达成像素级空间匹配，从细胞密度、微循环灌注、间质结构三个层面分析免疫表型在不同区域的分布差异。

       实体瘤领域已积累了不少空间对照证据。在头颈鳞癌中，PET/MRI融合多参数分析给出两组空间定量关联：ADC均值与免疫检查点分子程序性死亡受体配体1（programmed death-ligand 1, PD-L1）（r=-0.246，P<0.001）、增殖标志物Ki-67（r=-0.253，P<0.001）均呈负相关；K^trans与p53表达轻度正相关（r=0.193，P=0.015）。这提示肿瘤内水分子扩散受限的高细胞密度区域，往往伴随PD-L1高表达与免疫抑制微环境富集^[42]，ADC数值下降通常反映细胞密度增高，而高增殖活性（Ki-67高表达）区域因代谢需求，常伴随缺氧和免疫抑制分子上调，ADC降低的原因既可能是免疫细胞富集，也可能只是肿瘤细胞高增殖造成，让对免疫状态的解读出现混淆。单依靠ADC指标，无法区分“免疫富集”与“单纯增殖活跃”两种状态，必须联合其他序列或功能信息，才能提升免疫评估的特异性。分析肌层浸润性膀胱癌的瘤周环形强化影像区域，CD8⁺效应T细胞计数显著高于正常肌层（P=0.000 9），但与瘤内T细胞浸润无统计学差异（P=0.855 2），由此构建了一个“瘤周间质重塑-效应T淋巴细胞募集-瘤周特征性环形强化”的空间对应模型^[10]。中枢和消化系统肿瘤也给出了类似的对照逻辑，但各具特点。胶质瘤中，DSC衍生nK2和DTI纹理特征的空间分布，能匹配突变负荷与免疫细胞的区域分布差异：无强化区突变占比66.7%，强化区仅49.3%；无强化区内，nK2与神经元转录亚型（neuronal subtype, NEU）负相关（r=-0.509，P=0.007 91）、与高巨噬细胞浸润糖酵解/多代谢亚型（glycolytic/plurimetabolic subtype, GPM）正相关（r=0.391，P=0.048 5）^[34]；肝癌DCE-MRI定量参数和ADC直方图参数分别对应缺氧通路基因表达与淋巴细胞亚群空间分布，瘤周组织硬度可作为评估CD8⁺效应T细胞浸润水平的独立影像标志物^{[35, 46]}；直肠癌和骨肉瘤的影像组学特征，也能在空间上匹配全局免疫评分^{[3, 11]}。

       综上，ADC、K^trans参数与瘤周强化表现，能够对应免疫细胞的浸润密度。但目前仍存在几项核心问题：第一，影像特征和免疫状态之间的因果联系还未明确；第二，影像参数和不同病理指标之间存在非特异性交叉关联，单一参数无法精准反映免疫特征，即便部分影像参数能和CD8⁺T细胞总数相关，也无法区分免疫细胞的不同亚型；第三，不同的免疫微环境变化会引发相似的影像表现，仅依靠mpMRI信号，没法区分“热”肿瘤内免疫细胞的空间聚集，与“冷”肿瘤内非免疫细胞填充的情况。后续可采用新型免疫特异性对比剂，实现在体内追踪特定免疫细胞亚群；同时把影像-病理空间对照技术与多重免疫荧光、空间转录组学深度融合，构建“影像表型-免疫细胞组成-功能状态”的三维空间图谱，探究免疫编辑与影像信号之间的复杂联系。

3.5 MRI与肿瘤细胞增殖、坏死的空间对照

       mpMRI对增殖与坏死区域的信号差异，空间配准研究已实现像素级增殖/坏死亚区的定位。HECTORS等^[35]将灌注、BOLD、DWI三类参数整合起来，对肝癌病灶完成空间对照分析，发现坏死亚区的影像表现呈现出灌注缺损、ADC值升高、血氧信号无动态波动的组合特征，这类特征具有特异性，只用单一影像序列没法准确区分增殖和坏死混杂的区域。常规T2WI也有独立预测价值，病灶内高信号可独立预测Ki-67≥20%（OR=2.67，95% CI：1.47~4.85，P<0.001），这一信号背后对应的是高增殖细胞、间质破坏和微小坏死，尤其能勾画出高侵袭肿瘤的浸润边缘^[48]。但T2WI的鉴别能力终究有限，生境成像通过聚类把具有相似生物学表征的肿瘤细胞群归到一起，提供了另一条路径量化瘤内异质性^[49]。基于mpMRI的栖息地聚类分析，增殖区和坏死亚区的空间解析就变得更直接了。WANG等^[50]在乳腺肿瘤上用无监督聚类分割出多类栖息地亚区，各亚区之间细胞密度和灌注水平差异明显。Ki-67增殖指数预测的AUC，传统模型只有0.666，加入栖息地参数后升到0.885，证明空间分区域评估更贴合肿瘤真实病理异质性。SUN等^[40]按照强化特征把肿瘤栖息地分成三类：高增殖活性细胞亚区、低活性亚区及无活性坏死组织，他们在原发性中枢神经系统淋巴瘤和胶质母细胞瘤的三组体素占比，组间差异均满足P<0.001。

       多序列参数互补、像素级影像-病理精准配准及人工智能空间聚类技术作为支撑，mpMRI可对肿瘤细胞增殖、坏死的病理特征进行精细化的空间层面拆解，完成相关病理特征的精准分析。但当前这套技术体系仍存在两处问题，一是识别微小坏死灶的灵敏度不够，二是增殖区与炎性水肿区的影像特征存在重叠。后续需开展多模态融合及超高分辨率建模工作，提升对微小坏死和早期增殖活性改变的探测灵敏度。还需推进纵向研究，理清增殖/坏死空间分布的动态变化，确定其对治疗反应和预后的预测价值。

       综上所述，现将mpMRI各序列与TME多维度病理特征的空间对照证据汇总于表1。

点击查看表格

表1  mpMRI与TME核心病理特征空间对照研究证据汇总
Tab. 1  Summary of evidence from spatial correlation studies between mpMRI and core pathological features of the TME

4 MRI影像-病理对照的临床应用价值

       mpMRI与TME病理特征的空间配准技术，贯穿肿瘤精准诊疗的多个关键环节。在临床实践中，借助CT-MRI融合、3D打印模具以及立体定向导航，可以精准定位肿瘤内高细胞活性、高灌注及高免疫浸润的核心区域，有效避开坏死、纤维化或低级别惰性区，从而提高穿刺活检的代表性与诊断准确率。例如，软骨肉瘤中3D引导的靶向取材将分级吻合度由36%提高到86%^[31]。

       术前无创评估的临床需求很直接：穿刺活检取到的组织有限，样本代表不了整个肿瘤，而影像能覆盖全瘤。mpMRI的定量参数可以锚定增殖、间质和免疫相关的病理标志物，为侵袭性和分级判断提供依据。融合深度学习的影像预测模型在肿瘤增殖指数预判和疑难肿瘤鉴别中均取得优异诊断效能，弥补了术前穿刺取材受限、无法全域评估肿瘤的临床不足。梯度加权类激活映射（gradient-weighted class activation mapping, Grad-CAM）（深度学习可视化工具，定位模型判读依赖的影像特征区域）和沙普可解释模型（SHapley Additive exPlanations, SHAP）可视化结果显示，模型做判断时依赖的关键影像体素，和病理切片上的高增殖区域在空间上基本重合，一定程度上消除了机器学习预测的“黑箱”疑虑^[50]。肝癌的研究中，基于Kep、T1pos构建的肿瘤浸润淋巴细胞分型模型AUC达到0.816，截断值0.03时敏感度为68.4%、特异度为91.3%^[32]；胶质瘤整合生境组学、水肿指数与相对ADC的联合模型，验证集AUC为0.807^[40]；乳腺癌融合生境组学与深度学习的Ki-67预测模型，外部测试AUC为0.839^[50]，这些研究都从不同角度印证了空间对照模型的诊断价值。

       对接受介入或化疗的患者开展纵向mpMRI检查，能动态追踪肿瘤增殖与坏死过程中的空间异质性变化，结合精准影像-病理对照方案，可完成无创地疗效评估。针对肝癌TACE局部治疗，SAVIC等^[44]建立的多模态联合成像体系显示，除核心胞外pH分子成像外，随访过程中病灶ADC渐进升高的区域与病理大片坏死范围高度契合；针对骨肉瘤新辅助化疗，基于点对点影像-病理空间配准获取的DCE定量参数，可精准区分残留增殖肿瘤与化疗诱导坏死灶，其中化疗后K^trans鉴别效能最优，临界值0.663/min，AUC=0.745、敏感度89.83%、特异度52.24%^[56]。在围治疗期疗效动态监测与耐药灶精准溯源方面，依托已验证的DCE-MRI与MVD、ADC与PD-L1空间对应规律^{[31, 32, 42]}，mpMRI可动态捕捉治疗后微环境重塑改变。MRI检测出的瘤周纤维化带，对应病理层面的药物屏障结构，这套空间对照体系可精准识别多种实体肿瘤中存在治疗抵抗的特征区域，以及特异性病理分子异常，结合动态增强定量参数、肿瘤乏氧影像特征与病理表型的空间关联关系，可无创预判靶向、抗血管、放疗等多种治疗方式的临床获益。

       当前肿瘤免疫治疗进展迅速，空间配准技术可完成无创免疫表型分型，完善免疫获益人群筛选体系，本文以影像-病理空间对照特征为基础构建量化评分与智能预测模型，可无创评估机体免疫浸润状态，预判免疫检查点抑制剂治疗应答效果，量化患者远期生存预后^[62]，为临床制订个体化免疫治疗方案提供客观影像学依据。

       上述基于影像-病理空间配准构建的智能模型展现出不错的前景，尽管现有Grad-CAM、SHAP等工具在一定程度上提升了AI模型的可解释性，但临床医师对模型内在决策逻辑的理解和信任仍需时日。未来应重点开发轻量化、易操作的图像分析与配准工具，降低技术使用门槛，增加临床转化的可行性。

5 多模态空间对照与跨尺度组学融合前沿

5.1 空间多组学技术的融合应用

       空间转录组学能够将MRI界定的肿瘤异质性生境与转录组表达谱精准共定位，揭示影像异质性背后的TME调控机制，识别代谢异常与基因变异特征^{[63, 64]}，新型空间多组学整合算法确定性条形码组织测序技术（deterministic barcoding in tissue sequencing plus, DBiTplus）可在同一组织切片上整合空间转录组与多重蛋白荧光检测（multiplex immunofluorescence, mIF），进一步提升多组学空间配准精度^[65]。Xenium、CosMx这类空间原位分析技术，拥有亚细胞分辨率与高通量转录本检测能力，能和MRI生境特征完成空间对齐，在单细胞层面，将影像特征与数千种基因的空间表达谱做系统比对^[66]。在病理验证层面，多重免疫荧光可原位刻画T细胞、巨噬细胞、癌相关成纤维细胞等免疫及基质细胞的空间分布，弥补传统HE染色与单一免疫组化标志物的不足，完善细胞层级的影像-病理定量对照体系^[67]。这些空间原位分析与多组学整合策略，共同推进从MRI宏观生境到微观分子的跨尺度映射进程。

5.2 人工智能驱动的跨模态配准与特征挖掘

       早期开展的配准工作主要采用传统特征匹配与机器学习方法，近年来，基于深度学习的影像-病理配准技术取得了进展^[68]。例如，利用视觉转换器捕获全局形变场，直接学习MRI与全视野病理切片间的非线性变换，提升形变校正精度^[69]。这类前沿方法支撑MRI病灶与病理生境实现高保真映射，同时嵌入“影像-病理-分子”三位一体的空间对照体系^{[4, 70]}。

       mpMRI与TME病理特征的空间配准工作，如今已进入多模态融合发展阶段，借助三维配准、空间多组学以及高内涵病理检测技术，能完成影像生境与基因分子、免疫基质细胞表型的精准空间配准，同时解析相关作用机制^[41]。但当前仍存在数据异质性强、多模态整合理论框架不完善及因果关联验证缺乏等核心瓶颈。未来需着力构建更高覆盖度的标准化多中心队列，将研究从统计关联延伸到因果推断，再结合类器官等模型，验证影像表型背后的分子调控网络。

6 小结与展望

       在开展TME病理特征的空间对照研究时，采用mpMRI目前仍存在比较大的不足。当前研究面临三方面核心矛盾：其一，技术标准化要求和临床实际的异质性存在冲突，不同中心设置的mpMRI扫描参数不一致，影像信号的差异显著；其二，空间精度的需求和临床的可操作性存在矛盾，高精度配准算法的操作流程复杂，难以在日常临床工作中推行；其三，研究规模大小和证据的可靠程度存在矛盾，已有的研究大多采用单中心设计，样本数量有限，缺少多中心的验证环节。

       未来研究重点放在两个方向：一是推进技术标准化，推动多中心建立统一的mpMRI扫描、采集与分析流程，引入人工智能自动分割与高精度配准算法，提升影像-病理对照的精度与可重复性；二是深化机制研究，开展多中心大样本队列分析，将空间转录组、多重免疫荧光等技术融入其中，构建“影像-病理-分子”三位一体评估体系，阐明TME空间异质性机制，给肿瘤术前分级、靶向活检、疗效评估及预后分层提供精准影像学依据。