肾肿瘤手术告别"一刀切"！复旦大学附属中山医院团队Nature子刊研究：人工智能模型精准预测肾肿瘤病...

研究团队分析了4557名患者的13261份术前多期CT影像数据，开发了两种基于深度学习的多期卷积神经网络模型。分别是 良恶性鉴别模型 ：基于三维卷积神经网络（CNN），通过分割网络定位肿瘤，提取多期CT特征预测恶性概率； 侵袭性评估模型 ：整合病理亚型、肿瘤分级、坏死及肉瘤样分化等指标，综合判断侵袭性风险。

数据集与模型架构

研究数据集包括训练集（2400名患者）、内部测试集（598名患者）、外部测试集（561名患者）、前瞻性测试集（610名患者）和TCIA测试集（388名患者）。模型基于ResNet-18架构，通过多期CT影像（平扫、动脉期、静脉期）提取特征，并采用交叉注意力模块进行特征融合，以提高模型对肿瘤复杂特征的捕捉能力。

性能评估与比较

研究中使用了AUC值、敏感度、特异度作为主要评估指标，并与传统放射组学模型、肾肿瘤评分系统以及七名资深放射科医师的诊断结果进行了对比。