南方医科大学南方医院教授吴元魁团队联合南方医科大学生物医学工程学院教授阳维/钟丽明团队，提出一种基于生成式扩散模型的无对比剂血脑屏障状态识别模型CBSI（Contrast-free BBB Status Identification）。该模型仅凭平扫MRI即可准确判断胶质瘤患者的血脑屏障完整性，有望使大量患者免于钆对比剂注射，为脑肿瘤精准诊疗开辟新路径。相关成果近日发表于《自然-通讯》。

血脑屏障状态是胶质瘤治疗决策的关键依据，临床常规依赖钆对比剂增强MRI进行评估，但对比剂存在肾源性系统性纤维化、过敏反应、脑内钆沉积等风险，部分患者因不适还会产生运动伪影。针对这一临床痛点，研究团队提出CBSI框架，通过生成式扩散模型从平扫MRI中合成增强图像，并结合对比最大学习策略，实现对血脑屏障状态的无创精准识别。

CBSI模型的核心创新体现在两大模块：一是增强类型引导的条件扩散生成模型，通过将增强标签嵌入扩散模型，使模型能够生成模拟“血脑屏障完整”与“血脑屏障破坏”的合成T1Gd图像；二是对比最大学习识别网络，把生成的T1Gd图像输入识别网络，分别获得自洽性得分，并通过对比最大学习得到最终的血脑屏障状态。

在国家自然科学基金等项目资助下，研究团队共纳入1535例胶质瘤患者数据，涵盖南方医院、珠江医院及多个公共数据集。在外部测试集中，CBSI的AUC达到81.31%，显著优于直接使用平扫MRI的识别方法（72.76%），已接近使用真实增强图像的识别水平（88.68%）。临床主观评价显示，90%以上的合成图像被资深放射科医生评为“高质量”，与真实图像无显著差异。

研究团队此前在医学图像合成与影像组学方向已取得系列突破：钟丽明团队提出的联合多任务学习框架UMTL，实现了腹部增强CT的高质量合成；吴元魁团队构建的机器学习影像组学模型，可精准预测胶质瘤强化模式。从腹部到颅脑，从CT到MRI，系列研究围绕“减少或替代对比剂使用”这一核心需求，构建了较为完整的技术体系。

CBSI模型的成功研发，标志着南方医院在无对比剂成像领域迈出关键一步。未来，研究团队将进一步优化模型效率、开展前瞻性多中心验证，推动该技术向临床转化，助力实现更安全、更精准的影像诊断。 

相关论文信息：https://doi.org/10.1038/s41467-026-69578-8