近日，上海交通大學醫學院附屬仁濟醫院泌尿科鄭軍華教授、翟煒研究員團隊聯合多中心力量，在腎癌精準預后領域取得重大突破。團隊研發的多模態預測復發評分（MPRS）模型，成功發表于Nature旗下全球數字醫學頂尖期刊npjDigitalMedicine，為透明細胞腎細胞癌（ccRCC）患者的復發風險評估與個體化治療提供了關鍵支撐。

腎細胞癌是泌尿系統高發惡性腫瘤，其中透明細胞腎細胞癌占比達70%。盡管手術是主要治療手段，但約20-30%的患者術后會出現復發轉移。當前臨床常用的Leibovich評分、UISS評分、KEYNOTE-564風險分層等工具存在明顯局限，例如僅依賴腫瘤大小、TNM分期等臨床病理特征，無法整合多模態預后信息；而分子檢測類模型成本高、難普及；更重要的是，上述工具往往易出現“風險誤判”——要么低估高風險患者導致治療不足，要么高估低風險患者造成過度治療，給患者帶來身心與經濟雙重負擔。

針對這一臨床痛點，研究團隊整合國內六家中心及TCGA數據庫共1648例患者的臨床特征、術前增強CT影像與術后病理全切片圖像，創新構建了MPRS多模態AI模型。與單一模態模型及經典臨床工具（Leibovich評分、UISS評分、KEYNOTE-564臨床試驗的風險分類）相比，該模型展現出壓倒性優勢：內部驗證隊列C指數達0.886，外部驗證隊列達0.838，3年與5年復發預測AUC值穩定在0.829以上，且在不同中心、不同設備數據中均保持優異性能，校準度與穩健性遠超現有工具。

更值得關注的是，MPRS模型實現了精準的風險再分層：成功將83.3%被KEYNOTE-564誤判為低風險的復發患者重新歸為高風險，避免錯失輔助治療時機；同時將57.7%誤判為中/高風險的非復發患者調整為低風險，杜絕不必要的治療損傷。通過SHAP分析與Grad-CAM可視化技術，模型還能精準識別腫瘤不規則邊緣、壞死區域等關鍵預后特征，其判斷邏輯與臨床病理認知高度契合，進一步驗證了結果的可靠性。

為推動臨床轉化，團隊采用常規診療中易獲取的CT與病理圖像數據，無需額外增加分子檢測等高昂成本，且基于輕量化ResNet架構設計，大幅降低臨床部署門檻。該模型不僅能幫助醫生制定個性化隨訪方案與治療策略，還為腎癌臨床研究的風險分層提供了標準化工具，有望重塑ccRCC的診療流程。

本研究由仁濟醫院泌尿科臧欣貽博士、上海交通大學夏瑜葭博士、安徽醫科大學第一附屬醫院肖海兵教授、臺灣高雄長庚紀念醫院羅浩倫教授擔任共同第一作者；哈爾濱醫科大學附屬第四醫院王科亮教授、安徽醫科大學第一附屬醫院梁朝朝教授、上海交通大學俞章盛教授、仁濟醫院泌尿科鄭軍華教授和翟煒研究員擔任共同通訊作者。該研究得到了國家自然科學基金、國家重點研發計劃以及上海市教委人工智能促進科研范式改革賦能學科躍升計劃專項等多個項目支持。

原標題：《腎癌AI模型VS傳統評分！83%誤判患者被精準“糾錯”》

欄目編輯：陸梓華

作者：新民晚報 左妍