Integration of multi-scale radiomics and deep learning for Ki-67 prediction in clear cell renal carcinoma
7.3
来源：
Nature
关键字：
AI radiology
发布时间：
2025-12-06 19:32
摘要：
本研究开发了一种结合多尺度放射组学和深度学习的多模态模型，用于透明细胞肾癌患者的Ki-67表达术前预测。该模型在627名患者的多中心回顾性研究中表现出色，AUC达到0.756，显示出良好的临床应用潜力，能够为个性化手术和监测策略提供指导。
原文：
查看原文
价值分投票
评分标准
新闻价值分采用0-10分制，综合考虑新闻的真实性、重要性、时效性、影响力等多个维度。
评分越高，表示该新闻的价值越大，越值得关注。
价值维度分析
domain_focus
1.0
business_impact
1.0
scientific_rigor
1.5
timeliness_innovation
1.5
investment_perspective
2.5
market_value_relevance
1.0
team_institution_background
0.5
technical_barrier_competition
0.5
关键证据
该模型在外部测试集中实现了0.756的AUC，显示出优越的性能。
多模态模型显著提高了Ki-67表达的术前预测能力。
研究涉及627名透明细胞肾癌患者，具有较强的临床相关性。
真实性检查
否
AI评分总结
本研究开发了一种结合多尺度放射组学和深度学习的多模态模型，用于透明细胞肾癌患者的Ki-67表达术前预测。该模型在627名患者的多中心回顾性研究中表现出色，AUC达到0.756，显示出良好的临床应用潜力，能够为个性化手术和监测策略提供指导。