一个多式人工智能模型用于清细胞细胞癌的精确预后:一个多中心研究
Xinyi Zang1, Yujia Xia2,3, Haibing Xiao4
1Department of Urology, Renji Hospital, School of Medicine in Shanghai Jiao Tong University, Shanghai, China.
NPJ digital medicine
|November 17, 2025
概括
一个新的多式预测复发评分 (MPRS) 准确地预测了手术后清细胞细胞癌 (ccRCC) 的复发. 这种具有成本效益的工具通过识别可能从辅助治疗中受益的高风险患者来优化个性化治疗.
科学领域:
- 在瘤学瘤学.
- 医疗成像医学成像
- 病理学 病理学 病理学
背景情况:
- 清细胞细胞癌 (ccRCC) 在手术后复发是一个重大的临床挑战.
- 目前ccRCC复发风险分层的预后工具缺乏准确性,临床可行性或昂贵.
- 需要准确,具有成本效益的方法来指导ccRCC中的辅助治疗决策.
研究的目的:
- 开发和验证ccRCC的多式预测复发评分 (MPRS).
- 评估MPRS的性能与现有的临床工具和单模式模型相比.
- 评估MPRS改进辅助治疗建议的能力.
主要方法:
- 开发了一种多式预后模型 (MPRS),整合了临床特征,CT图像和全幻灯片图像 (WSIs).
- 利用6个中心的1648名ccRCC患者的数据以及TCGA数据库用于模型开发和验证.
- 将MPRS性能 (C指数) 与莱博维奇评分,UISS评分和KEYNOTE-564风险分类进行比较.
主要成果:
- MPRS显示出卓越的预测准确性,C指数值为0.886 (内部) 和0.838 (外部验证).
- MPRS将83.3%的KEYNOTE-564低风险患者重新归类为高风险患者,可能防止治疗不足.
- MPRS将57.7%的KEYNOTE-564中期/高风险患者重新归类为低风险患者,可能避免过度治疗.
结论:
- MPRS提供了一个具有成本效益和准确的方法,用于ccRCC复发风险分层,使用常规可用的数据.
- MPRS可以显著改善个性化的ccRCC管理和治疗决策.
- 这种多式模式可以提高准确性,识别那些将从辅助治疗中受益或避免辅助治疗的患者.
