近日，一支由上海健康医学院师生、临床专家与学生开发成员组成的医工交叉团队，聚焦脑胶质瘤诊疗中的真实临床需求，推出“胶易诊”脑胶质瘤MRI全流程智能诊疗辅助平台。项目以5G低时延网络与人工智能技术为支撑，集成缺失模态补全、肿瘤区域分割、恶性程度分级和可解释决策等功能，力求让优质诊断能力突破地域与设备限制，为脑胶质瘤早筛早诊和基层医疗能力提升提供新的技术方案。

图一：团队组会研讨与项目方案交流现场

脑胶质瘤起源于颅内神经胶质细胞，占所有原发性中枢神经系统肿瘤的40%至60%，其中超过六成属于高级别、高风险病变，患者五年总体生存率不足10%。早筛查、早诊断是改善预后的关键，但基层医院普遍面临MRI模态缺失、影像质量不稳定和专业诊断资源不足等问题：基层MRI模态缺失率超过40%，设备普及率不足15%，误诊率约30%。面对每年3万至4万例新增病例和1600余家县级医院的巨大需求，“胶易诊”团队以学生主导、产学研协同的方式，开启了脑胶质瘤智能诊疗辅助技术的研发。

作为项目负责人，沙凯同学与指导老师刘巧红教授带领团队，围绕“数据不完整、诊断不稳定、结果难解释”三项核心难题开展系统攻关。团队联合临床专家、医学图像处理和人工智能方向成员，先从三甲医院与基层医院的双轨应用场景出发，梳理从影像上传到临床决策的完整流程，再针对不同环节进行算法设计、服务化部署和案例验证。在研发过程中，团队持续推进多模态MRI数据处理、模型训练、前后端联调与临床需求校准，努力把复杂的AI能力转化为医生可使用、患者可受益的辅助工具。

在技术架构上，平台底层基于PyTorch 2.0搭建AI引擎，采用前后端分离、模型服务化和异步调度的三层设计，支持本地一键启动与GPU加速推理。针对基层MRI模态不完整的痛点，团队引入Diffusion扩散模型，以现有模态为条件生成缺失影像；随后利用3D U-Net对四模态MRI进行肿瘤区域分割，输出坏死核心、瘤周水肿和增强肿瘤等区域；在此基础上，平台从形状、强度、纹理三个维度提取68维影像组学特征，通过随机森林完成分级预测，并以SHAP算法构建特征级和空间级双层解释体系，让每一个判断都有特征依据、每一处病灶都有影像证据。结合5G低延迟传输与边缘计算，平台还可服务远程会诊和区域影像协同，推动三甲级诊断能力向县域医院下沉。

项目负责人沙凯表示：“脑胶质瘤诊疗最需要的是争取时间和提高判断的一致性。我们希望把模态补全、精准分割、智能分级和可解释输出串成一条完整链路，让医生能够更快获得可靠的影像辅助信息，让基层患者也有机会获得更接近三甲医院的诊疗支持。”目前，项目已完成核心技术产品验证。答辩案例中，平台对脑胶质瘤进行分级预测并给出94%的置信度，同时通过SHAP瀑布图和决策热图呈现模型依据；面向三甲医院的应用设计还将诊断结果与主任医师判断一致性95%作为目标指标。

图二：项目计划书中的多模态MRI预览与肿瘤分割结果

围绕技术转化，项目目前仍处于学生团队主导的产品验证阶段，尚未成立公司。团队当前的商业化思路是：在完成公司设立、知识产权梳理和医疗器械合规准备后，先与具备相应条件的医疗机构、科研院所及医疗信息化企业开展联合验证和试点应用。待产品完成必要的临床验证并具备相应资质后，再根据实际合作条件，逐步探索面向区域影像中心、医联体和基层医院的技术服务、定制开发或SaaS订阅模式；患者端报告解读、远程二次诊断和健康随访等服务，则作为后续在合规前提下评估的增值方向。这样的路径既保留了B端应用、科研合作和未来公共卫生场景的拓展空间，也符合学生项目从技术验证走向规范转化的实际阶段。

下一步，团队计划寻求200万元天使轮融资，重点用于临床验证、5G部署和团队扩充，推进二类医疗器械NMPA认证申报与首批医院临床部署；随后建设区域影像中心，逐步拓展至30家以上合作医院，推动平台规模化运营。团队还将继续优化扩散补全、3D分割、影像组学分级和SHAP解释算法，完善临床协作与合规机制，努力让“胶易诊”从一次项目展示走向可持续的临床应用，以青年科创力量为脑胶质瘤患者争取更早、更准、更可及的诊疗支持。

编辑：金乐凡