腎細胞癌（RCC）是最常見的腎癌類型，占所有腎癌的90%，在西方國家發(fā)病率最高。手術切除是RCC患者的首要治療方案，其通常包括部分腎切除術（PN）和根治性腎切除術（RN）。CT是評估腎癌手術情況不可或缺的工具，可以評估血管、腎臟和腫瘤解剖學，并為術前規(guī)劃提供依據(jù)。然而，傳統(tǒng)的手術決策過程通常依賴于醫(yī)生的經驗和直覺，存在主觀性和不確定性。因此，研發(fā)一種可靠且科學的輔助決策工具對提高手術準確性和患者治療效果至關重要。近年來，人工智能（AI）算法在RCC的CT圖像分析中顯示出良好的預測性能，特別是人工智能算法通過CT圖像預測RCC的病理T分期（p–T）和病理核分級（p-G）已經得到大部分研究的驗證。然而，現(xiàn)有研究大部分存在一些限制，包括依賴專家手動標注感興趣區(qū)域（ROI）和難以解釋的“黑匣子”特性等，這限制了AI模型在臨床實踐中的應用。為了解決以上問題，深圳大學吳松教授團隊進行了一項研究。他們旨在將放射組學特征、p–T和p-G深度學習特征以及整個ROI矩陣的降維特征融合，形成多尺度解剖特征。這些特征將被用于構建自動化預測RCC患者PN或RN的手術決策框架。該研究成果以：An automated surgical decision-making framework for partial or radical nephrectomy based on 3D-CT multi-level anatomical features in renal cell carcinoma 為題，于近日發(fā)表在了European Radiology 期刊。外科學在讀碩士楊煥程為論文第一作者，吳松教授為論文通訊作者。

該研究共有473名經病理證實的RCC患者被分為內部訓練集和外部測試集。訓練集包括來自五個開源隊列和兩家地方醫(yī)院的412例病例（中山大學腫瘤防治中心和中山大學附屬第八醫(yī)院）。外部測試集包括來自深圳大學第三附屬醫(yī)院的61名RCC患者。所提出的自動分析框架包括以下模塊（圖一）：由3D-UNet深度學習算法構建的3D腎臟和腫瘤自動化語義分割模型，基于無監(jiān)督學習的多尺度特征提取器，以及基于XGBoost算法的PN或者RN預測分類器。該研究通過采用五折交叉驗證策略得到穩(wěn)健的模型，使用一種名為Shapley Additive Explanations（SHAP）的定量模型解釋方法，探索每個特征的貢獻。

圖表1：基于3D-CT多尺度解剖特征的腎細胞癌部分切除或全切除手術決策框架。頂部使用3D-UNet模型來識別和分割病變，并從多尺度提取圖像特征用于預測和分類（底部）

圖表2：多尺度特征提取的分析和結果以及所提出的特征預測模型的性能。

a、b不同特征提取解決方案的準確率和AUROC。c內部驗證集中通過五折交叉驗證得出的手術方法預測模型的AUROC。d外部測試集中通過五折交叉驗證得出的手術方法預測模型的AUROC。e內部驗證集中手術方法預測模型的AUROC。f外部測試集中手術方法預測模型的AUROC

圖表3：SHAP值在機器學習分類解釋中的排名。a、b柱狀圖和蜜蜂圖顯示了手術方法預測模型訓練集的SHapley Additive exPlanations (SHAP)值

結果表明，在預測PN和RN時，多尺度解剖特征的結合表現(xiàn)出更優(yōu)異的性能，勝過任何單一尺度的特征（圖2a-b）。經過內部驗證，通過五折交叉驗證確定的平均AUROC分別為0.93 ± 0.1、0.94 ± 0.1、0.93 ± 0.1、0.93 ± 0.1和0.93 ± 0.1（圖2c-d）。在外部測試集中，最佳模型的AUROC為0.82 ± 0.1（圖f）。由SHAP算法分析可知腫瘤形狀的最大3D直徑在模型決策中起到關鍵作用，這與大多數(shù)腎癌手術評分系統(tǒng)中的主要參考特征一致。綜上所述，經過嚴格驗證和測試，這個自動化手術決策框架在預測RCC患者手術決策方面表現(xiàn)出色。

醫(yī)生可以根據(jù)患者的個體情況更精確地確定手術的決策，提高手術的成功率和患者的康復效果。此外，研究團隊通過計算單一特征的SHAP值對模型的決策過程進行了解釋，增加了模型的可解釋性。這為醫(yī)生和患者提供了更多關于手術決策的信息，增強了醫(yī)療團隊的信心和患者的安全感。通過多中心的數(shù)據(jù)收集和相對較大的樣本量，該研究進一步提高了模型的泛化能力，使其適用于不同醫(yī)療機構和患者群體。這項研究的成果為腎癌手術的個體化治療和精準醫(yī)學提供了有力的支持?？傊?，基于3D-CT多尺度解剖特征的自動化手術決策框架在RCC患者的PN和RN預測任務上展現(xiàn)出穩(wěn)健的性能。該框架為通過醫(yī)學圖像和人工智能技術指導臨床手術的方法指明了方向。

第一作者簡介：

楊煥程，深圳大學2021級外科學在讀碩士研究生，專注于泌尿系腫瘤多模態(tài)數(shù)據(jù)人工智能算法研究。項目涉及泌尿系腫瘤CT、MR、病理圖像和組學數(shù)據(jù)的處理、分割標注、標準化、特征提取、模型搭建與參數(shù)調優(yōu)等。已在European Radiology等國際知名期刊以第一作者發(fā)表SCI論文3篇，累計影響因子超過20分。

吳松，深圳大學教授、博士生導師，致力于以“多學科交叉”為研究手段開展泌尿系統(tǒng)疾病的基礎性研究。研究方向為：膀胱癌發(fā)生及演化機制研究（Cancer Research，2023）；臨床診療（Science Advances，2023）、智能診斷體系構建（Nature Communications，2019）；醫(yī)學信息獲取、處理以及轉化應用以及醫(yī)學數(shù)字孿生人領域研究（European Radiology，2021、2023）。

本文由“健康號”用戶上傳、授權發(fā)布，以上內容（含文字、圖片、視頻）不代表健康界立場?！敖】堤枴毕敌畔l(fā)布平臺，僅提供信息存儲服務，如有轉載、侵權等任何問題，請聯(lián)系健康界（jkh@hmkx.cn）處理。

相關知識

深圳大學華南醫(yī)院： 數(shù)字孿生技術賦能，醫(yī)療健康向「新」
AI如何助力重塑腫瘤診療模式
非凡伙伴｜清華團隊醫(yī)者AI用MoE大模型打造健康管理AI
大模型開「箱」即用，百度攜醫(yī)療大模型一體機亮相WAIC 2024
落地了超1300家，騰訊健康AI大模型商業(yè)化加速跑
醫(yī)療AI落地超1300家機構 騰訊健康打造開箱即用智能方案
以實用為理念、聚焦實際場景 騰訊健康醫(yī)療AI推“開箱即用”智能方案
醫(yī)療AI落地超1300家，騰訊健康打造開箱即用智能方案
醫(yī)療AI落地超1300家機構，騰訊健康打造開箱即用智能方案
覆蓋10大醫(yī)療應用場景！國產AI大模型應用典型案例盤點

網址: 深圳大學吳松團隊開發(fā)AI模型，輔助腎癌手術決策 http://www.u1s5d6.cn/newsview681175.html