用于基于人工智能的功能性预后风险分层的多模态深度学习模型，适用于接受根治性肾切除术的患者

摘要

对于患有复杂肾细胞癌（RCC）的患者来说，在技术要求较高的部分肾切除术（PN）和根治性肾切除术（RN）之间做出选择仍然是一个重大挑战。根治性肾切除术后肾小球滤过率（GFR）迅速下降（年下降幅度超过3 mL/min/1.73 m²）被视为肾功能异常的状态；如果能够在术前预测到这种风险，即使手术技术难度较大，也可以选择部分肾切除术。我们回顾性分析了来自多个中心的1621名患者的增强CT影像和临床数据，开发了一个多模态深度学习模型来预测根治性肾切除术后GFR的迅速下降。该模型在外部测试集上的曲线下面积为0.788–0.873，能够将患者分为高风险组和低风险组，这两组患者慢性肾脏病进展的风险存在显著差异。研究表明，该模型在辅助治疗决策方面具有潜力，尤其适用于那些部分肾切除术具有挑战性但仍然可行的复杂肾细胞癌患者。