多模态人工智能在肾细胞癌诊疗中的研究进展与临床转化

李 心怡1, 刘 冲*2
1、承德医学院研究生学院
2、保定市第一中心医院医学影像一科

摘要


肾细胞癌（renal cell carcinoma，RCC）是泌尿系统最常见的恶性肿瘤之一，因瘤内异质性强、分子机制复
杂，传统诊疗模式在亚型鉴别、预后分层及精准用药方面存在显著局限。近年来，人工智能技术与多模态医学数据
的深度融合为肾细胞癌的精准诊疗构建了全新范式。本文系统综述了多模态人工智能融合技术在肾细胞癌诊疗领域
的研究进展，并从术前诊断、预后评估、疗效预测三个维度梳理其临床应用价值，对未来研究方向提出了展望。

关键词


肾细胞癌；人工智能；多模态融合；影像组学；精准医学；临床转化

全文:

PDF


参考


[1]Bex A,Ghanem Y A,Albiges L,et al. European

Association of Urology Guidelines on Renal Cell Carcinoma:

The 2025 Update[J]. European Urology, 2025, 87(6): 683-696.

[2]王娟，张辉.影像组学及病理组学在脑胶质瘤的

研究进展[J].磁共振成像，2025，16（4）：155-160.

[3]李瑞，赵正宇，单奔，等.多层螺旋CT增强扫描

对不同病理分型肾癌的诊断价值[J].山东医药，2023，63

（16）：67-69.

[4]张善枝，王艳，陈海辉.病理组学在结直肠癌诊

疗中的价值研究进展[J].陕西医学杂志，2026，55（6）：

855-860.

[5]武良美，李锐，余波，等.人工智能融合肾细胞

癌组织学与基因组学特征的临床研究进展与挑战[J].临床

与实验病理学杂志，2026，42（5）：643-647.

[6]Chen HZ, Liu J, Deng K, et al. Deep learning

algorithm for pathological grading of renal cell carcinoma

based on multi-phase enhanced CT[J]. Journal of Central

South University: Medical Science, 2025, 50(4): 651-663.

[7]Yang Y, Zhang Z, Zhang H, et al. Machine

learning-based multiparametric MRI radiomics nomogram

for predicting WHO/ISUP nuclear grading of clear cell renal

cell carcinoma[J]. Frontiers in Oncology, 2024, 14: 1467775.

[8]李丽萍，马锐光，钱锐，等.MR T2WI瘤内及瘤

周影像组学预测肾癌希佩尔-林道（VHL）基因突变[J].

中国介入影像与治疗学，2025，22（2）：118-122.

[9]Zhang H, Yin F, Chen M, et al. Development

and Validation of a CT-Based Radiomics Nomogram for

Predicting Postoperative Progression-Free Survival in Stage

I-III Renal Cell Carcinoma[J]. Frontiers in Oncology, 2022,

11: 742547.

[10]杨巧.基于CT影像组学与临床特征的机器学习

模型预测肾癌CD8+T细胞浸润状态的研究[D].广州：南

方医科大学，2024.

[11]刘 薇， 马 伟 明， 张 俊 杰， 等.转 移 性 肾 癌 中

PD-1/PD-L1通路靶向免疫治疗的临床效果与安全性评

估[J].国际泌尿系统杂志，2026，46（2）：76-80.

[12]Park HJ, Qin L, Bakouny Z, et al. Computed

tomography texture analysis for predicting clinical outcomes

in patients with metastatic renal cell carcinoma treated with

immune checkpoint inhibitors[J]. The Oncologist, 2022,

27(5): 389-397.


Refbacks

  • 当前没有refback。