多模态超声影像组学模型在评估育龄女性卵巢储备功能中的价值摘要卵巢储备功能评估是生殖医学中的关键环节直接关系着育龄女性的生育力管理、辅助生殖策略制定及卵巢早衰的早期预警。传统评估方法主要依赖血清抗苗勒管激素检测和超声窦卵泡计数但二者分别存在标准化缺失与操作者依赖性等局限。多模态超声影像组学通过整合二维超声、三维能量多普勒、剪切波弹性成像及超声造影等多种成像模式结合人工智能驱动的高通量特征提取与建模为卵巢储备功能的无创、定量、标准化评估开辟了新路径。最新研究表明深度学习-影像组学融合模型预测窦卵泡计数的R²可达0.743预测卵巢反应分层的AUC达0.881较单一模型提升8%以上。三维能量多普勒血管化参数与血清促卵泡激素水平呈显著负相关r-0.381剪切波弹性成像的卵巢硬度参数在卵巢功能不全患者中显著升高。尽管该领域仍面临多中心泛化性、特征标准化不足等挑战但多模态超声影像组学有望成为精准生殖医学的重要支撑工具。关键词卵巢储备功能多模态超声影像组学深度学习窦卵泡计数抗苗勒管激素一、引言1.1 卵巢储备功能的临床意义卵巢储备Ovarian Reserve是指女性卵巢内存留的卵泡数量和质量是衡量女性生育潜能的核心指标。这一“生命银行”中的卵泡储备在女性出生时即已确定并随年龄增长呈不可逆性递减。准确评估卵巢储备功能对于指导生育规划、预测卵巢反应、诊断早发性卵巢功能不全及监测医源性卵巢损伤具有重要临床意义。近年来随着女性生育年龄的普遍推迟和辅助生殖技术的广泛应用卵巢储备功能评估的需求显著增加。全球范围内约10%-15%的育龄夫妇面临不孕问题其中卵巢储备功能下降是女性因素不孕的主要原因之一。早期识别卵巢储备功能减退Diminished Ovarian Reserve, DOR和早发性卵巢功能不全Premature Ovarian Insufficiency, POI可为患者争取生育保存的宝贵时机。1.2 传统评估方法的优势与局限目前临床常用的卵巢储备评估方法包括血清学标志物检测和超声形态学评估两大类抗苗勒管激素是目前公认的最佳单一生化标志物但其检测缺乏国际标准化的浓度评估体系且成本较高限制了在资源有限环境中的推广应用。窦卵泡计数作为超声评估的核心指标具有无创、可实时评估双侧卵巢等优势但手动计数缺乏标准化观察者间和观察者内变异显著不同超声设备间的结果可比性较差。1.3 多模态超声与影像组学的兴起随着超声成像技术的进步多模态超声已从单一的二维灰阶成像发展为包含三维超声、能量多普勒、剪切波弹性成像和超声造影在内的综合评估体系。这些模态分别从形态、血管、硬度及灌注等维度提供卵巢结构和功能的互补信息。与此同时影像组学和深度学习技术的引入为解决传统超声评估的主观性和不可重复性问题提供了新的技术路径。影像组学通过高通量提取医学图像中的定量特征将视觉图像转化为可挖掘的高维数据深度学习则可自动学习多层次特征表征进一步提升预测效能。二者的融合模型在多中心研究中展现出优于传统方法的预测准确性。二、卵巢储备功能评估的临床基础2.1 卵巢储备的生理学概念卵巢储备反映了女性卵巢中剩余原始卵泡的数量和质量是生殖潜能的核心决定因素。女性出生时卵巢中约有100-200万个原始卵泡至青春期减少至约30万个37岁后卵泡消耗加速绝经时卵泡池基本耗尽。这一自然衰退过程虽不可逆转但其速度受遗传、环境、自身免疫状态及医源性因素手术、放化疗等多重影响。2.2 临床评估指标体系目前临床实践中卵巢储备评估主要依赖以下指标的整合分析血清学指标AMH由早期卵泡颗粒细胞分泌水平与窦前卵泡和小窦卵泡数量呈正相关可在月经周期任意时间检测是反映卵巢储备的“金标准”指标基础FSH月经周期第2-3天检测水平升高提示卵巢储备下降但属于晚期改变基础E2水平升高80 pg/mL提示卵巢储备减退基础INHB45 pg/ml提示卵巢储备下降超声形态学指标窦卵泡计数月经周期第2-3天阴道超声下检测直径2-10mm的窦卵泡数量AFC≤5提示卵巢储备功能不良卵巢体积基础状态下卵巢体积与生育力相关体积缩小提示储备下降2.3 当前评估体系的局限性尽管AFC和AMH被推荐为预测卵巢反应的最佳指标但二者均存在局限AMH检测成本高、周期长且不同试剂盒间结果可比性差AFC手动计数受操作者经验、超声设备、图像质量及卵泡重叠等因素影响观察者间变异显著。这为人工智能辅助评估技术的介入提供了明确的应用场景。三、多模态超声成像技术3.1 二维及三维超声二维超声是卵巢评估的基础成像模式用于测量卵巢体积和计数窦卵泡。然而常规二维超声依赖于操作者在动态扫查过程中“捕捉”包含最多窦卵泡的切面并冻结图像进行计数这一过程高度依赖操作者经验。三维超声通过容积探头采集卵巢的立体数据集允许操作者在离线状态下对任意切面进行回顾性分析。研究表明三维超声可缩短阴道超声扫查时间提高窦卵泡计数的观察者间一致性。智能分析软件的进一步应用使离线窦卵泡计数和体积测量更加标准化。3.2 多普勒超声多普勒超声可评估卵巢的血流灌注状态而血供是卵泡发育和卵巢功能维持的重要保障。三维能量多普勒能够量化卵巢组织的血管化参数包括血管化指数Vascularization Index, VI、血流指数Flow Index, FI和血管化血流指数Vascularization Flow Index, VFI。Ma等的研究表明在围绝经期卵巢储备功能减退女性中VI、FI和VFI在早期DOR组与中晚期DOR组间存在显著差异均P0.05且这些参数与基础FSH水平呈显著负相关VI: r-0.179, FI: r-0.123, VFI: r-0.175。这提示血管化参数可敏感地反映卵巢功能的减退进程。3.3 剪切波弹性成像剪切波弹性成像是一种能够定量评估组织硬度的超声新技术。其原理是通过声辐射力在组织中产生剪切波通过测量剪切波速度计算组织的杨氏模量从而反映组织的生物力学特性。卵巢组织的硬度变化可能与卵泡密度、间质纤维化程度及炎症状态相关。张永超等的研究采用高帧率剪切波弹性成像HiFR STE技术评估卵巢功能发现早发性卵巢功能不全患者和卵巢早衰患者的双侧卵巢杨氏模量值均显著高于健康对照组提示弹性成像参数可作为卵巢储备评估的补充指标。3.4 超声造影超声造影通过静脉注射微泡造影剂可动态评估卵巢组织的微循环灌注特征。虽然目前关于超声造影在卵巢储备评估中的研究相对有限但其在评估卵巢血流动力学改变方面具有独特潜力。造影剂的微泡可进入毛细血管网通过时间-强度曲线分析可获得卵巢组织的达峰时间、峰值强度及曲线下面积等定量参数这些参数可能与卵泡发育的微环境状态相关。四、影像组学与深度学习模型4.1 影像组学特征提取与筛选影像组学的核心是从医学图像中高通量提取定量特征将视觉图像转化为可挖掘的高维数据。对于卵巢超声图像标准影像组学工作流程包括图像分割在二维超声图像上勾画卵巢的感兴趣区特征提取使用PyRadiomics等工具提取以下类型特征一阶统计特征灰度直方图参数均值、方差、偏度、峰度纹理特征灰度共生矩阵、灰度游程矩阵等形状特征形态学参数小波特征经小波变换后的多尺度特征特征筛选通过ICC评估稳定性ICC≥0.75保留采用LASSO回归降维Zhang等的研究从674个符合IBSI标准的影像组学特征中通过三步筛选策略单变量分析→冗余去除→LASSO最终筛选出与窦卵泡计数和AMH最相关的特征子集。4.2 深度学习模型架构深度学习模型能够自动从原始图像中学习层次化特征避免手工特征工程可能遗漏的关键信息。常用的网络架构包括ResNet、U-Net等。卵巢与卵泡的自动分割是深度学习在卵巢超声分析中的重要应用方向。研究者采用U-Net架构结合ResNeSt编码器及SE-Net、SK-Net注意力机制进行卵巢分割分割质量IoU达50%以上采用YOLOv8模型进行卵泡检测mAP达65%以上MAPE误差不超过35%。ResNet系列网络则被用于端到端的卵巢储备预测。Zhang等将双侧卵巢ROI图像分别输入ResNet18提取深度特征后经全连接层融合用于预测AFC和AMH值。4.3 多模态融合策略深度学习-影像组学融合模型整合了两种方法的优势影像组学提供可解释的定量特征深度学习自动学习深层表征。Zhang等构建的多中心研究系统比较了三种模型的效能融合模型在AFC和AMH预测任务中均显著优于单一模态模型P0.05证实了多模态特征整合的互补价值。4.4 卵巢反应风险分层将卵巢储备评估进一步延伸至临床决策支持融合模型可用于预测患者对控制性卵巢刺激的反应类别。根据AFC值将患者分为三类低反应AFC≤5、正常反应AFC 6-19和高反应AFC≥20。在卵巢反应分层任务中融合模型的AUC达0.88195%CI: 0.828-0.925较单一模型提升8.0%。对于需要调整促排卵方案的高风险患者模型识别敏感度为69.1%、特异度为84.6%。这一效能水平提示该模型具备辅助临床决策的潜力尤其适用于缺乏先进超声设备的资源有限环境。五、临床应用价值与证据5.1 标准化评估与操作者依赖性克服传统AFC手动计数的操作者依赖性是其临床应用的主要障碍。人工智能驱动的超声影像组学模型通过以下机制实现标准化评估自动化特征提取减少人工主观判断的介入定量化输出以连续变量形式输出预测值而非依赖操作者的“计数”多中心验证在独立设备、独立操作者采集的数据上验证模型泛化能力Zhang等的研究中模型的外部验证采用了完全独立的院区不同超声设备和操作者AFC预测R²为0.583表明模型具有良好的跨中心泛化能力。5.2 早期卵巢储备功能减退的定量评估早期DOR的识别是卵巢储备评估的重要临床需求因为此时干预可最大程度地保留生育潜能。三维能量多普勒超声的血管化参数在早期DOR的定量评估中展现出应用前景。研究发现早期DOR组与中晚期DOR组在卵巢体积、AFC、VI、FI和VFI上均存在显著差异均P0.05。这些参数可作为DOR进展程度的定量生物标志物为临床分期和干预时机选择提供客观依据。5.3 早发性卵巢功能不全的诊断辅助早发性卵巢功能不全是40岁前发生的卵巢功能衰竭严重影响患者的生育能力和长期健康。高帧率剪切波弹性成像为POI的无创评估提供了新的影像学生物标志物。POI患者和卵巢早衰患者的卵巢杨氏模量值显著高于同龄健康女性提示卵巢组织硬度增加可能反映了间质纤维化和卵泡耗竭的病理改变。这一发现为POI的早期识别和鉴别诊断提供了新的影像学依据。5.4 辅助生殖中的个体化促排卵卵巢储备评估最直接的临床应用是为辅助生殖中的控制性卵巢刺激方案提供依据。准确预测卵巢反应可帮助临床医师选择恰当的促排卵药物起始剂量降低卵巢过度刺激综合征和卵巢低反应的发生风险。融合模型可将患者分为低、中、高三类卵巢反应风险组为个体化方案调整提供量化依据。对于高风险患者预测AFC≤5临床医师可考虑增加促性腺激素起始剂量或采用其他强化方案。六、挑战与未来方向6.1 当前技术挑战图像质量差异是影响模型泛化性的核心问题。不同设备、不同操作者获取的超声图像在灰度分布、分辨率、噪声水平上存在显著差异可能导致影像组学特征的漂移。ComBat协调算法等批量效应校正方法可能部分解决这一问题但需在多中心数据中进一步验证。6.2 标准化与验证需求国际影像生物标志物标准化倡议IBSI为影像组学特征提取提供了指导框架但针对卵巢超声这一特定应用场景的标准化协议尚未建立。以下方面的标准化亟待推进图像采集参数探头频率、深度、增益、动态范围图像预处理流程灰度归一化、噪声滤波、分辨率统一ROI勾画规范边界定义、多观察者一致性要求特征提取软件参数配置的跨平台一致性6.3 临床整合路径多模态超声影像组学模型的临床转化需要解决与现有工作流程的整合问题。理想的整合模式应包括图像采集后即时分析在超声扫查完成后自动导入模型进行预测与PACS系统对接无需额外操作即可获取预测结果可视化报告输出以临床医师熟悉的格式呈现预测AFC、AMH及风险分层决策支持提示结合患者年龄、病史提供促排卵方案建议在资源有限环境中该技术的价值尤为突出因为其可在不依赖昂贵检测试剂盒的情况下实现标准化的卵巢储备评估。6.4 未来研究方向多中心前瞻性研究验证模型的真实世界效能建立临床证据基础MRI-超声多模态整合系统综述显示MRI在卵巢储备评估中具有高分辨率三维成像优势但成本和可及性限制其广泛应用。超声-影像组学与MRI的互补整合值得探索影像-临床多组学融合联合AMH、年龄、BMI、月经史等临床变量构建更全面的预测模型端到端深度学习开发直接从原始超声信号预测卵巢储备的端到端模型减少预处理依赖性七、结论多模态超声影像组学模型通过整合二维/三维超声、多普勒血流成像、剪切波弹性成像等多种成像模式结合深度学习与影像组学特征提取技术为育龄女性卵巢储备功能评估提供了创新性的无创解决方案。现有证据表明深度学习-影像组学融合模型预测窦卵泡计数的R²可达0.743预测卵巢反应分层的AUC达0.881三维能量多普勒血管化参数与FSH水平显著负相关r-0.381剪切波弹性成像参数在卵巢功能不全患者中显著升高。该技术的核心价值在于克服传统AFC手动计数的操作者依赖性实现卵巢储备的标准化、定量化评估同时降低对血清AMH检测的依赖。尽管多中心泛化性、特征标准化等挑战尚待解决但随着前瞻性多中心验证的推进和标准化协议的建立多模态超声影像组学模型有望成为精准生殖医学的重要工具为育龄女性的生育力评估和个体化辅助生殖治疗提供科学依据。