综述：局灶性皮质发育不良的sMRI与人工智能术前规划研究进展：系统性综述

本综述系统评价了2020年以来人工智能（AI）结合结构磁共振成像（sMRI）在局灶性皮质发育不良（FCD）检测中的应用，揭示深度学习（DL）模型灵敏度高达97.1%，显著提升MRI阴性病例检出率，为药物难治性癫痫术前规划提供新范式。

Epilepsy and FCD as a Significant Clinical Challenge
癫痫作为慢性神经系统疾病，其药物难治性病例中约60%与局灶性皮质发育不良（FCD）相关。FCD II型患者尤甚，传统结构磁共振成像（sMRI）对其微小病灶检出率不足40%，成为外科治疗的主要瓶颈。

Guideline Adherence and Registration
研究严格遵循PRISMA框架，注册于PROSPERO（CRD42025643131）。通过PICO原则筛选27项研究，涵盖3,512例受试者，其中FCD患者2,021例。德国与中国学者贡献了超50%的研究成果。

Study Demographics and Methodological Landscape
MPRAGE与FLAIR序列结合3D卷积神经网络（CNN）表现突出，对FCD IIb型检测灵敏度达94.6%。值得注意的是，7T磁共振将皮层下高信号检出率提升32%，但数据异质性导致模型泛化能力差异达23%。

Advancing FCD Detection: The Dual Edges of AI Innovation
深度学习展现出双重特性：

1. 技术突破：U-Net架构通过多模态特征融合，使MRI阴性病例可视化，准确率提升至87%；
2. 临床局限：样本偏差导致FCD I型识别率仅68.3%，且算法可解释性不足制约外科医生信任度。

CONCLUSION
AI驱动的新型sMRI分析范式正重塑癫痫外科格局。未来需建立跨中心标准化影像数据库，开发针对FCD I型的特异性算法，并通过人机协同诊断将假阳性率控制在5%以下。马什哈德医科大学团队指出，算法透明度与术中电生理验证的匹配度将成为临床转化的关键指标。

（注：全文严格基于原文数据，未新增结论；专业术语如MPRAGE=磁化准备快速梯度回波，FLAIR=液体衰减反转恢复序列；技术参数如94.6%、32%等均引自原文量化结果）