近日，復(fù)旦大學(xué)王爍團(tuán)隊(duì)，復(fù)旦大學(xué)附屬中山醫(yī)院郭劍明、熊鷹團(tuán)隊(duì)，山東大學(xué)齊魯醫(yī)院俞能旺團(tuán)隊(duì)，臨沂市人民醫(yī)院邵志強(qiáng)團(tuán)隊(duì)，聯(lián)合微軟亞研院開發(fā)的腎癌智能模型RenalCLIP，正式發(fā)表于Nature Communications題為：A disease-centric vision-language foundation model for precision oncology in kidney cancer。該模型聚焦腎癌?？圃\療，跳出通用醫(yī)療AI泛而不精的問題，不僅能在不同醫(yī)院穩(wěn)定使用，還可一站式滿足腎癌全流程診療需求，同時(shí)適配臨床里樣本稀少的疑難場景，是一款貼合臨床實(shí)際、易落地、可延伸的新一代腎癌專病AI基礎(chǔ)模型，為構(gòu)建后續(xù)的腎癌專病世界模型提供基礎(chǔ)表征。

在日常腎癌診療中，判斷腎臟占位良惡性、評估腫瘤侵襲性、制定手術(shù)方案、預(yù)判術(shù)后復(fù)發(fā)風(fēng)險(xiǎn)、規(guī)劃隨訪計(jì)劃等工作環(huán)環(huán)相扣。目前不少智能工具存在明顯短板：通用影像AI針對全身各類疾病設(shè)計(jì)，很難捕捉腎癌影像里的細(xì)微特征，換一家醫(yī)院使用效果就會(huì)大打折扣；傳統(tǒng)AI大多只能單獨(dú)完成某一項(xiàng)工作，不同任務(wù)需要單獨(dú)搭建系統(tǒng)，使用繁瑣。此外，轉(zhuǎn)移性腎癌療效評估等臨床任務(wù)可參考的病例數(shù)量少、標(biāo)注工作量大，多數(shù)智能工具很難落地，也是長期困擾臨床的難題。針對這些現(xiàn)實(shí)問題，研究團(tuán)隊(duì)摒棄“大而全”的研發(fā)思路，專注腎癌領(lǐng)域深耕，結(jié)合多中心真實(shí)病例與創(chuàng)新模型訓(xùn)練方式，使得RenalCLIP能夠兼顧泛化性、全面性與拓展性，真正貼合臨床工作場景。

泛化性優(yōu)異，不同場景下判斷結(jié)果穩(wěn)定可靠

一款輔助工具能否普及，核心是在不同醫(yī)療機(jī)構(gòu)都能保持穩(wěn)定效果。模型優(yōu)異的泛化性，是 AI 從實(shí)驗(yàn)室走向真實(shí)臨床的核心前提，RenalCLIP 的泛化優(yōu)勢并非偶然，而是依托數(shù)據(jù)集設(shè)計(jì)與預(yù)訓(xùn)練架構(gòu)雙重保障。

數(shù)據(jù)層面，RenalCLIP在研發(fā)階段納入9家國內(nèi)醫(yī)療機(jī)構(gòu)以及國際公共病例庫，總計(jì)8809名患者、27866份影像。多來源、異質(zhì)性的真實(shí)世界數(shù)據(jù)，讓模型充分學(xué)習(xí)不同設(shè)備、掃描參數(shù)、閱片習(xí)慣下的腎癌影像特征，避免單一中心數(shù)據(jù)帶來的“過擬合”問題。在核心預(yù)訓(xùn)練架構(gòu)上，團(tuán)隊(duì)創(chuàng)新采用兩階段模態(tài)對齊預(yù)訓(xùn)練策略，徹底打通影像視覺與臨床文本的語義壁壘。一方面讓模型吃透CT影像中腫瘤大小、位置、強(qiáng)化特點(diǎn)等關(guān)鍵細(xì)節(jié)；另一方面學(xué)習(xí)放射報(bào)告里的專業(yè)診斷描述，把影像表現(xiàn)和臨床診斷邏輯對應(yīng)起來，做到“看懂影像、讀懂病情”。

圖1 RenalCLIP框架示意圖

在多中心聯(lián)合測試中，該模型判斷腎占位良惡性、侵襲性，以及預(yù)后評估的表現(xiàn)，比傳統(tǒng)算法和通用影像模型提升明顯；即便面對地域、數(shù)據(jù)差異較大的國際病例庫，依舊保持領(lǐng)先水平。無論是大型三甲醫(yī)院，還是地方醫(yī)療機(jī)構(gòu)，模型都能穩(wěn)定輸出參考結(jié)果，具備大范圍臨床推廣的條件。

一站式服務(wù)，覆蓋腎癌從檢查到隨訪全流程

以往臨床使用的各類AI工具功能單一，評估手術(shù)風(fēng)險(xiǎn)、判斷病灶性質(zhì)、預(yù)測預(yù)后往往需要切換多個(gè)系統(tǒng)。而RenalCLIP一套系統(tǒng)就能覆蓋腎癌術(shù)前評估、報(bào)告書寫、手術(shù)規(guī)劃、預(yù)后判斷等全流程工作，實(shí)現(xiàn)“一個(gè)工具多用”。

首先，RenalClIP能夠精準(zhǔn)判別腎臟腫塊的良惡性、評估腫瘤侵襲程度，尤其不受病灶大小影響，可有效甄別 4cm 以下難分辨的小腎腫物，幫助臨床減少不必要的手術(shù)與穿刺活檢；同時(shí)它還能自動(dòng)生成規(guī)范的放射報(bào)告，經(jīng)專業(yè)醫(yī)師盲評驗(yàn)證準(zhǔn)確度符合臨床要求，顯著減輕醫(yī)護(hù)文書負(fù)擔(dān)。在此基礎(chǔ)上，該工具可自動(dòng)完成腎臟腫瘤 R.E.N.A.L. 評分，精準(zhǔn)評估腫瘤解剖復(fù)雜度，針對臨床高發(fā)的小腎腫塊，判斷水平與資深專科專家相當(dāng)，為保腎手術(shù)規(guī)劃提供有力參考；還能僅憑術(shù)前 CT 影像預(yù)判患者術(shù)后復(fù)發(fā)與遠(yuǎn)期生存風(fēng)險(xiǎn)，評估結(jié)果具備獨(dú)立參考價(jià)值，助力制定個(gè)性化隨訪及治療方案。整套系統(tǒng)無需針對不同業(yè)務(wù)單獨(dú)開發(fā)維護(hù)，適配放射、泌尿、腫瘤等多科室協(xié)同工作，有效簡化臨床操作流程。

圖2 RenalCLIP多種下游任務(wù)的診斷性能

少量病例即可上手，輕松應(yīng)對疑難少見病例

臨床里很多前沿、疑難工作，都面臨有效病例不足的問題，這也是很多AI工具無法落地的核心原因。RenalCLIP經(jīng)過海量腎癌病例學(xué)習(xí)，對疾病特征已有充分認(rèn)知，不需要大量標(biāo)注病例就能正常使用。

常規(guī)診斷工作中，僅用20%~40%的標(biāo)注病例，就能達(dá)到其他工具全量數(shù)據(jù)訓(xùn)練后的效果，大幅減少醫(yī)生標(biāo)注病例的工作量。面對轉(zhuǎn)移性腎癌療效預(yù)判、罕見腎腫瘤分型等樣本稀缺的場景，該工具即便不做額外訓(xùn)練，也能給出有效參考；只需補(bǔ)充少量病例微調(diào)，就能快速適配新的臨床任務(wù)。目前該模型相關(guān)代碼已開源，業(yè)內(nèi)可基于現(xiàn)有框架結(jié)合本院特點(diǎn)、?？品较蜃鑫⒄{(diào)，快速打造適配自身需求的定制化工具。

從追求廣泛適用，到深耕?？凭珳?zhǔn)賦能，RenalCLIP為醫(yī)療AI發(fā)展提供了新方向。它憑借跨院穩(wěn)定的表現(xiàn)，滿足各級醫(yī)院基礎(chǔ)診療需求；依靠全流程功能，簡化臨床工作、提升診療效率；依托低樣本適配能力，攻克疑難病例、前沿研究的應(yīng)用難題。未來，這款工具有望助力腎癌專病世界模型的研發(fā)，進(jìn)一步推動(dòng)腎癌診療更加精準(zhǔn)、規(guī)范，幫助醫(yī)生減少誤判、規(guī)避過度治療，同時(shí)也為其他腫瘤專科AI的研發(fā)，提供了可參考的實(shí)踐思路。

論文鏈接：https://doi.org/10.1038/s41467-026-74175-w

開源地址：https://github.com/dt-yuhui/RenalCLIP

制版人： 十一

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個(gè)人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。

BioArt

Med

Plants

人才招聘

點(diǎn)擊主頁推薦活動(dòng)

關(guān)注更多最新活動(dòng)！