目的： 评估基于多参数MRI（DWI/ADC, ASL-CBF）生境亚区的影像组学特征，联合临床因素及全肿瘤视觉评估（VASARI）特征在GBM患者无进展生存期（PFS）和总生存期（OS）预测中的效能。

方法： 回顾性纳入257例经病理证实的GBM患者并将肿瘤划分为三个生境亚区：坏死区（NE）、肿瘤实质区（ET）及瘤周水肿区（ED）。分别从各亚区的ADC和CBF图像中提取影像组学特征并计算其组学评分（Rad-score）。采用Cox比例风险模型分析各变量对PFS和OS的预测价值。基于最优模型风险评分对患者分层，绘制Kaplan-Meier生存曲线并进行log-rank检验。

结果：PFS预测中，临床模型（C-index=0.583）效能有限，VASARI模型（C-index=0.613）具有一定区分能力。基于ET的ADC模型（C-index=0.612）和基于ET的CBF模型（C-index=0.590）单序列表现最佳。多生境亚区联合模型效能提高（C-index =0.676）。整合临床、VASARI及多亚区Rad-score的综合模型性能最优（C-index=0.705 [0.670，0.749]）。该模型定义的高风险组与低风险组PFS存在显著差异（log-rank p < 0.001）。 OS预测中，临床模型（C-index=0.623）和VASARI模型（C-index=0.627）效能中等。基于ED的ADC模型（C-index=0.637）和基于ET的CBF模型（C-index=0.596）单序列表现最佳。多生境亚区联合模型效能提高（C-index =0.703）。整合临床、VASARI及多亚区Rad-score的综合模型性能最优（C-index=0.730[0.697，0.778]）。该模型定义的高风险组与低风险组OS存在显著差异(log-rank p < 0.001)。

结论： 基于生境亚区的ADC与CBF特征是预测GBM患者PFS和OS的有效生物标志物，联合模型（C-index > 0.7）能较好区分GBM不同生存风险患者群体并有助于GBM患者风险分层。