《自然·通讯》：中山大学揭示多模态深度学习模型助力肾癌根治术后肾功能预后风险分层

2026-06-01 Medsci 等1家媒体报道 科研进展





打开微信“扫一扫”
点击右上角分享按钮

2026年6月1日获悉，中山大学肿瘤防治中心张志凌教授、天津医科大学肿瘤医院姚欣教授、香港科技大学罗文寒教授及北京大学第三医院张树栋教授团队提出了一种多模态深度学习模型（RDPM），用于预测根治性肾切除术后快速肾小球滤过率下降。研究团队回顾性分析了来自15个中心1621例患者的增强CT影像及临床数据。模型采用三重输入3D ResNet-50主干网络，同时处理完整CT图像、分割的肾实质和周围背景，并结合多头注意力机制融合影像特征与五个关键临床变量（年龄、肿瘤直径、糖尿病、高血压、术前估算肾小球滤过率）。在内部测试集和三个外部测试集中，模型曲线下面积分别达到0.864、0.873、0.814和0.788，显著优于单一模态模型。模型将患者分为高风险和低风险组，两组在慢性肾脏病3b期和4期的发生率及组织学慢性肾脏病评分上均有显著差异。该模型有望辅助临床决策，对于部分肾切除术具有挑战性但仍可行的复杂肾细胞癌患者，提供精准的风险评估。相关内容以“Multimodal deep learning model for AI-based functional prognostic risk stratification in patients undergoing radical nephrectomy”发表在Nature Communications。