前言
萬衆期盼的2024年第39屆歐洲泌尿外科協會年會（EAU24）于當地時間4月5日至8日在法國巴黎盛大召開。作為歐洲最大、最具影響力的泌尿外科學會議，EAU24在國際泌尿外科學界的影響力非同凡響。這場盛會不僅吸引了來自世界各地的泌尿外科專家學者，還彙聚了泌尿學領域的最新研究成果和前沿技術，為泌尿外科學領域的發展注入了新的活力。
在今日召開的“腎髒小腫塊的診斷、幹預和主動監測的進展”會場上，複旦大學附屬中山醫院泌尿外科郭劍明教授研究團隊的熊鷹教授彙報了一項“人工智能利用真實世界資料通過術前多期CT圖像預測腎腫物病理特征及臨床轉歸”的研究（摘要号A0458）。該研究憑借其前瞻性和創新性，被本屆EAU24評選為腎癌領域最佳摘要，為腎髒小腫塊的術前診斷帶來了全新的視角，發出了中國強音。醫脈通特此編譯如下，以飨讀者。
專家簡介
郭劍明 教授
複旦大學附屬中山醫院
- 複旦大學附屬中山醫院泌尿外科主任、教授、博士生導師
- 中國醫師協會泌尿外科分會常委
- 中華醫學會泌尿外科分會惡性良性腫瘤學組委員
- 上海市醫學會泌尿外科分會副主委兼惡性良性腫瘤學組組長
- 上海市抗癌協會泌尿惡性良性腫瘤專委會副主委
- 上海市中西醫結合泌尿男科分會副主委，
- 中國抗癌協會泌尿系統惡性良性腫瘤專委會常委
- 中國抗癌協會男生殖系惡性良性腫瘤專委會常委
- 中國臨床惡性良性腫瘤協會前列腺癌、尿路上皮癌專委會常委
- 中國性學會泌尿外科學分會副主委
- 世界華人泌尿外科醫師協會常委兼副秘書長
- 海峽兩岸醫藥交流協會泌尿外科分會副主任委員
- 中國老年保健協會泌尿外科與男科學專委會副主委
專家簡介
熊鷹 教授
複旦大學附屬中山醫院
- 複旦大學附屬中山醫院泌尿外科主治醫師
- 師從郭劍明教授，主要圍繞利用病理、影像和多組學資料實作AI輔助的腎癌智慧診療開展研究工作。近年來以第一作者及共同第一作者在Radiology, J Immunother Cancer等知名惡性良性腫瘤學期刊發表SCI論文10篇。主持國家自然科學基金青年基金一項。入選哈佛全球臨床學者教育訓練GCSRT項目，中山醫院優秀青年人才計劃。獲2023探屆達人秀泌尿青年醫師手術＆病例挑戰賽東部賽區總冠軍，2018上海市優秀畢業生。
A0458：人工智能利用真實世界資料通過術前多期CT圖像預測腎腫物病理特征及臨床轉歸
1研究背景
随着CT、MRI等影像學檢查技術的普及，無症狀腎腫物的檢出率逐年攀升。對于這類偶然發現的腎腫物，治療決策通常是在病理情況不明确的情況下進行的。是以，提高良惡性腎腫物的診斷準确性，以及進一步區分腎腫物的惡性程度高低（侵襲性/惰性），對于後續治療方案的選擇至關重要。
2研究設計
研究團隊分析了複旦大學附屬中山醫院、浙江大學附屬第一人民醫院、張掖市人民醫院、泉州市人民醫院、複旦大學附屬中山醫院廈門醫院等國内六家醫院及五個公共惡性良性腫瘤影像資料庫中4557例患者的13261份術前CT圖檔，采用2個多期相神經卷積網絡分别建構了預測腎腫物良惡性及侵襲性的深度學習診斷模型。使用Kaplan-Meir分析和Cox回歸分析比較了AI預測的惰性惡性良性腫瘤與侵襲性惡性良性腫瘤之間的生存差異。使用生物資訊學分析和免疫組化評估基因組、轉錄組學和免疫景觀。
3研究結果
良惡性診斷模型在各個驗證隊列中均較目前影像組學預測模型以及RENAL評分預測模型有着更好的預測效能，AUC值在不同驗證隊列中達到0.853~0.898，其診斷準确率超過前瞻性驗證隊列中七名經驗豐富的放射科醫生的平均表現。并且，AI診斷模型能夠幫助影像科醫生顯著提升診斷準确率。
區分侵襲性惡性良性腫瘤和惰性惡性良性腫瘤的深度學習模型同樣在各個驗證隊列中同樣優于目前影像組學模型及RENAL評分預測模型的性能，AUC值在不同驗證隊列中達到0.763~0.792。在外部驗證隊列中，AI預測的侵襲性腎癌的生存期較AI預測的惰性腎癌顯著縮短[疾病特異性生存期（DSS），p<0.001，HR=20.81；無複發生存期（RFS），p<0.001，HR=9.71；總生存期（OS），p<0.001，HR=13.27]。AI判定的侵襲性機率評分可作為患者生存結局的獨立不良預後因子，其對臨床轉歸的預測效能高于TNM分期、WHO/ISUP分級系統等術後病理名額。最後，生物資訊學分析顯示侵襲性腎癌相較于惰性腎癌處于免疫抑制的微環境，其中有更高的CD8+T細胞和調節性T細胞浸潤。
4研究結論
深度學習模型可基于術前多相CT圖像，無創地預測腎腫物的惡性和侵襲性病變的可能性。另外，AI預測的侵襲性癌與較差的生存結果相關。
郭劍明教授點評
本項研究旨在解決腎髒惡性良性腫瘤在不同地區影像學診斷的複雜性和差異性問題。CT影像學在腎髒惡性良性腫瘤的診斷過程中發揮着核心作用，然而，其應用也面臨着兩大難題。首先，在一些非典型腫物中，良性與惡性的鑒别有時困難重重，約有20%的非典型腫物難以判斷其性質。如果不慎誤判，良性惡性良性腫瘤患者将遭遇不必要的損失。是以，提高良惡性鑒别的準确性，對于保護患者腎髒功能、減少不必要的手術幹預具有重大意義。其次，如何借助影像學手段準确評估惡性惡性良性腫瘤的浸潤程度和預後也是一個亟待解決的問題。
為攻克這些難題，我們研究團隊聯合六家醫院，納入4557例患者的13261多份CT影像學資料，開展深入研究，成功建構出這一深度學習模型。令人振奮的是，該預測模型在各個驗證隊列中均顯示出優越的性能，彰顯了人工智能在腎髒惡性良性腫瘤影像學診斷中的巨大潛力。這一發現對我們具有重要啟示，未來研究團隊将繼續擴大研究範圍，以期推動腎髒惡性良性腫瘤影像學診斷技術的不斷進步。希望這一研究成果能幫助更多醫院的醫生在腎髒惡性良性腫瘤影像判斷上實作精準化，為患者提供更科學、合理的治療方案，特别是對于中西部地區或經驗較少的醫院，AI預測模型将提供有力的技術支撐，推動腎髒惡性良性腫瘤診斷技術的廣泛普及與提升。
編輯：Gardenia審校：郭劍明教授執行：Gardenia
本平台旨在為醫療衛生專業人士傳遞更多醫學資訊。本平台釋出的内容，不能以任何方式取代專業的醫療指導，也不應被視為診療建議。如該等資訊被用于了解醫學資訊以外的目的，本平台不承擔相關責任。本平台對釋出的内容，并不代表同意其描述和觀點。若涉及版權問題，煩請權利人與我們聯系，我們将盡快處理。
醫脈通是專業的線上醫生平台，“感覺世界醫學脈搏，助力中國臨床決策”是平台的使命。醫脈通旗下擁有「臨床指南」「用藥參考」「醫學文獻王」「醫知源」「e研通」「e脈播」等系列産品，全面滿足醫學工作者臨床決策、擷取新知及提升科研效率等方面的需求。