AI預測腎癌復發風險，上海仁濟醫院團隊研究新成果登《自然》子刊

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，在腎癌精準預後領域取得重要突破。該團隊研發的多模態預測復發評分——MPRS模型，發表於《自然》旗下全球數字醫學頂尖期刊《npj數字醫學》（npj Digital Medicine），爲透明細胞腎細胞癌（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佔比達70%。儘管手術是主要治療手段，但約20%至30%的患者術後會出現復發轉移。當前臨牀常用的Leibovich評分、UISS評分、KEYNOTE-564風險分層等工具存在侷限，例如僅依賴腫瘤大小、TNM分期等臨牀病理特徵，無法整合多模態預後信息；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”，要麼低估高風險患者導致治療不足，要麼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。

針對這一臨牀痛點，該研究團隊整合國內六家中心及TCGA數據庫共1648例患者的臨牀特徵、術前增強CT影像與術後病理全切片圖像，創新構建了MPRS多模態AI模型。與單一模態模型及經典臨牀工具相比，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誤判爲低風險的復發患者重新歸爲高風險，避免錯失輔助治療時機；同時將57.7%誤判爲中/高風險的非復發患者調整爲低風險，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、壞死區域等關鍵預後特徵，其判斷邏輯與臨牀病理認知高度契合，進一步驗證了結果的可靠性。

爲推動臨牀轉化，團隊採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，且基於輕量化ResNet架構設計，大幅降低臨牀部署門檻。該模型不僅能幫助醫生制定個性化隨訪方案，還爲腎癌臨牀研究的風險分層提供標準化工具，有望重塑該類疾病的診療流程。