中山大学，最新《自然·通讯》：多模态深度学习模型助力肾癌根治术后肾功能预后风险分层

背景：肾细胞癌患者术后常出现肾功能快速下降，但术前缺乏有效的预测工具。研究目的：开发一种基于多模态深度学习模型（RDPM），利用术前CT影像和临床数据预测根治性肾切除术后快速肾小球滤过率下降风险，以辅助治疗决策。结论：研究团队回顾性分析了15个中心1621例患者数据，采用三重输入3D ResNet-50网络结合多头注意力机制，融合CT影像特征与五个关键临床变量（年龄、肿瘤直径、糖尿病、高血压、术前估算肾小球滤过率）。模型在内部和外部测试集中AUC达0.788-0.873，显著优于单一模态模型。高风险组与低风险组在慢性肾脏病3b期和4期发生率及组织学评分上均有显著差异。该模型为复杂肾细胞癌患者提供了精准的肾功能预后风险评估工具。