前言
万众期盼的2024年第39届欧洲泌尿外科协会年会（EAU24）于当地时间4月5日至8日在法国巴黎盛大召开。作为欧洲最大、最具影响力的泌尿外科学会议，EAU24在国际泌尿外科学界的影响力非同凡响。这场盛会不仅吸引了来自世界各地的泌尿外科专家学者，还汇聚了泌尿学领域的最新研究成果和前沿技术，为泌尿外科学领域的发展注入了新的活力。
在今日召开的“肾脏小肿块的诊断、干预和主动监测的进展”会场上，复旦大学附属中山医院泌尿外科郭剑明教授研究团队的熊鹰教授汇报了一项“人工智能利用真实世界数据通过术前多期CT图像预测肾肿物病理特征及临床转归”的研究（摘要号A0458）。该研究凭借其前瞻性和创新性，被本届EAU24评选为肾癌领域最佳摘要，为肾脏小肿块的术前诊断带来了全新的视角，发出了中国强音。医脉通特此编译如下，以飨读者。
专家简介
郭剑明 教授
复旦大学附属中山医院
- 复旦大学附属中山医院泌尿外科主任、教授、博士生导师
- 中国医师协会泌尿外科分会常委
- 中华医学会泌尿外科分会肿瘤学组委员
- 上海市医学会泌尿外科分会副主委兼肿瘤学组组长
- 上海市抗癌协会泌尿肿瘤专委会副主委
- 上海市中西医结合泌尿男科分会副主委，
- 中国抗癌协会泌尿系统肿瘤专委会常委
- 中国抗癌协会男生殖系肿瘤专委会常委
- 中国临床肿瘤协会前列腺癌、尿路上皮癌专委会常委
- 中国性学会泌尿外科学分会副主委
- 世界华人泌尿外科医师协会常委兼副秘书长
- 海峡两岸医药交流协会泌尿外科分会副主任委员
- 中国老年保健协会泌尿外科与男科学专委会副主委
专家简介
熊鹰 教授
复旦大学附属中山医院
- 复旦大学附属中山医院泌尿外科主治医师
- 师从郭剑明教授，主要围绕利用病理、影像和多组学数据实现AI辅助的肾癌智慧诊疗开展研究工作。近年来以第一作者及共同第一作者在Radiology, J Immunother Cancer等知名肿瘤学期刊发表SCI论文10篇。主持国家自然科学基金青年基金一项。入选哈佛全球临床学者培训GCSRT项目，中山医院优秀青年人才计划。获2023探届达人秀泌尿青年医师手术＆病例挑战赛东部赛区总冠军，2018上海市优秀毕业生。
A0458：人工智能利用真实世界数据通过术前多期CT图像预测肾肿物病理特征及临床转归
1研究背景
随着CT、MRI等影像学检查技术的普及，无症状肾肿物的检出率逐年攀升。对于这类偶然发现的肾肿物，治疗决策通常是在病理情况不明确的情况下进行的。因此，提高良恶性肾肿物的诊断准确性，以及进一步区分肾肿物的恶性程度高低（侵袭性/惰性），对于后续治疗方案的选择至关重要。
2研究设计
研究团队分析了复旦大学附属中山医院、浙江大学附属第一人民医院、张掖市人民医院、泉州市人民医院、复旦大学附属中山医院厦门医院等国内六家医院及五个公共肿瘤影像数据库中4557例患者的13261份术前CT图片，采用2个多期相神经卷积网络分别构建了预测肾肿物良恶性及侵袭性的深度学习诊断模型。使用Kaplan-Meir分析和Cox回归分析比较了AI预测的惰性肿瘤与侵袭性肿瘤之间的生存差异。使用生物信息学分析和免疫组化评估基因组、转录组学和免疫景观。
3研究结果
良恶性诊断模型在各个验证队列中均较目前影像组学预测模型以及RENAL评分预测模型有着更好的预测效能，AUC值在不同验证队列中达到0.853~0.898，其诊断准确率超过前瞻性验证队列中七名经验丰富的放射科医生的平均表现。并且，AI诊断模型能够帮助影像科医生显著提升诊断准确率。
区分侵袭性肿瘤和惰性肿瘤的深度学习模型同样在各个验证队列中同样优于目前影像组学模型及RENAL评分预测模型的性能，AUC值在不同验证队列中达到0.763~0.792。在外部验证队列中，AI预测的侵袭性肾癌的生存期较AI预测的惰性肾癌显著缩短[疾病特异性生存期（DSS），p<0.001，HR=20.81；无复发生存期（RFS），p<0.001，HR=9.71；总生存期（OS），p<0.001，HR=13.27]。AI判定的侵袭性概率评分可作为患者生存结局的独立不良预后因子，其对临床转归的预测效能高于TNM分期、WHO/ISUP分级系统等术后病理指标。最后，生物信息学分析显示侵袭性肾癌相较于惰性肾癌处于免疫抑制的微环境，其中有更高的CD8+T细胞和调节性T细胞浸润。
4研究结论
深度学习模型可基于术前多相CT图像，无创地预测肾肿物的恶性和侵袭性病变的可能性。另外，AI预测的侵袭性癌与较差的生存结果相关。
郭剑明教授点评
本项研究旨在解决肾脏肿瘤在不同地区影像学诊断的复杂性和差异性问题。CT影像学在肾脏肿瘤的诊断过程中发挥着核心作用，然而，其应用也面临着两大难题。首先，在一些非典型肿物中，良性与恶性的鉴别有时困难重重，约有20%的非典型肿物难以判断其性质。如果不慎误判，良性肿瘤患者将遭遇不必要的损失。因此，提高良恶性鉴别的准确性，对于保护患者肾脏功能、减少不必要的手术干预具有重大意义。其次，如何借助影像学手段准确评估恶性肿瘤的浸润程度和预后也是一个亟待解决的问题。
为攻克这些难题，我们研究团队联合六家医院，纳入4557例患者的13261多份CT影像学资料，开展深入研究，成功构建出这一深度学习模型。令人振奋的是，该预测模型在各个验证队列中均显示出优越的性能，彰显了人工智能在肾脏肿瘤影像学诊断中的巨大潜力。这一发现对我们具有重要启示，未来研究团队将继续扩大研究范围，以期推动肾脏肿瘤影像学诊断技术的不断进步。希望这一研究成果能帮助更多医院的医生在肾脏肿瘤影像判断上实现精准化，为患者提供更科学、合理的治疗方案，特别是对于中西部地区或经验较少的医院，AI预测模型将提供有力的技术支撑，推动肾脏肿瘤诊断技术的广泛普及与提升。
编辑：Gardenia审校：郭剑明教授执行：Gardenia
本平台旨在为医疗卫生专业人士传递更多医学信息。本平台发布的内容，不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议。如该等信息被用于了解医学信息以外的目的，本平台不承担相关责任。本平台对发布的内容，并不代表同意其描述和观点。若涉及版权问题，烦请权利人与我们联系，我们将尽快处理。
医脉通是专业的在线医生平台，“感知世界医学脉搏，助力中国临床决策”是平台的使命。医脉通旗下拥有「临床指南」「用药参考」「医学文献王」「医知源」「e研通」「e脉播」等系列产品，全面满足医学工作者临床决策、获取新知及提升科研效率等方面的需求。