近日，上海交通大学医学院附属仁济医院泌尿科郑军华教授、翟炜研究员团队联合多中心力量，在肾癌精准预后领域取得重大突破。团队研发的多模态预测复发评分（MPRS）模型，成功发表于Nature旗下全球数字医学顶尖期刊npjDigitalMedicine，为透明细胞肾细胞癌（ccRCC）患者的复发风险评估与个体化治疗提供了关键支撑。
肾细胞癌是泌尿系统高发恶性肿瘤，其中透明细胞肾细胞癌占比达70%。尽管手术是主要治疗手段，但约20-30%的患者术后会出现复发转移。当前临床常用的Leibovich评分、UISS评分、KEYNOTE-564风险分层等工具存在明显局限，例如仅依赖肿瘤大小、TNM分期等临床病理特征，无法整合多模态预后信息；而分子检测类模型成本高、难普及；更重要的是，上述工具往往易出现“风险误判”——要么低估高风险患者导致治疗不足，要么高估低风险患者造成过度治疗，给患者带来身心与经济双重负担。
针对这一临床痛点，研究团队整合国内六家中心及TCGA数据库共1648例患者的临床特征、术前增强CT影像与术后病理全切片图像，创新构建了MPRS多模态AI模型。与单一模态模型及经典临床工具（Leibovich评分、UISS评分、KEYNOTE-564临床试验的风险分类）相比，该模型展现出压倒性优势：内部验证队列C指数达0.886，外部验证队列达0.838，3年与5年复发预测AUC值稳定在0.829以上，且在不同中心、不同设备数据中均保持优异性能，校准度与稳健性远超现有工具。
更值得关注的是，MPRS模型实现了精准的风险再分层：成功将83.3%被KEYNOTE-564误判为低风险的复发患者重新归为高风险，避免错失辅助治疗时机；同时将57.7%误判为中/高风险的非复发患者调整为低风险，杜绝不必要的治疗损伤。通过SHAP分析与Grad-CAM可视化技术，模型还能精准识别肿瘤不规则边缘、坏死区域等关键预后特征，其判断逻辑与临床病理认知高度契合，进一步验证了结果的可靠性。
为推动临床转化，团队采用常规诊疗中易获取的CT与病理图像数据，无需额外增加分子检测等高昂成本，且基于轻量化ResNet架构设计，大幅降低临床部署门槛。该模型不仅能帮助医生制定个性化随访方案与治疗策略，还为肾癌临床研究的风险分层提供了标准化工具，有望重塑ccRCC的诊疗流程。
