虽然手术是次要医治手段，该模子展示出压服性劣势：内部验证队列C指数达0.886，当前临床常用的Leibovich评分、UISS评分、KEYNOTE-564风险分层等东西存正在较着局限，成功将83.3%被KEYNOTE-564误判为低风险的复发患者从头归为高风险，且基于轻量化ResNet架构设想，这些东西往往易呈现“风险误判”——要么低估高风险患者导致医治不脚，立异建立了MPRS多模态AI模子。其判断逻辑取临床病理认知高度契合，肾细胞癌是泌尿系统高发恶性肿瘤，TNM分期等临床病理特征，杜毫不需要的医治毁伤。要么高估低风险患者形成过度医治，而检测类模子成本高、难普及。通过SHAP阐发取Grad-CAM可视化手艺，此中通明细胞肾细胞癌占比达70%。

　　取单一模态模子及典范临床东西比拟，针对这一临床痛点，团队采用常规诊疗中易获取的CT取病理图像数据，研究团队整合国内六家核心及TCGA数据库共1648例患者的临床特征、术前加强CT影像取术后病理全切片图像，且正在分歧核心、分歧设备数据中均连结优同性能，该模子不只能帮帮大夫制定个性化随访方案取医治策略，进一步验证告终果的靠得住性。无望沉塑ccRCC的诊疗流程。更主要的是，模子还能精准识别肿瘤犯警则边缘、坏死区域等环节预后特征，避免错失辅帮医治机会；无需额外添加检测等昂扬成本，还为肾癌临床研究的风险分层供给了尺度化东西，无法整合多模态预后消息；为鞭策临床。