編者按：第41屆歐洲泌尿外科學會年會於2026年3月13日至16日在英國倫敦舉行，是全球泌尿外科領域最重要的學術平台之一。本次會議特別設立了「eau lab」專題環節，旨在聚焦泌尿外科領域具有突破性的基礎與轉化醫學研究成果。復旦大學附屬中山醫院泌尿外科郭劍明教授團隊開發的腎癌視覺-語言大模型（renalclip）憑藉其創新的建模理念和卓越的臨床轉化潛力成功入選該專題彙報（摘要號：a0454），由熊鷹醫師在現場進行深度展示與交流。
腎癌診療長期面臨兩個核心難題：一是診斷難，尤其是小腎腫物影像表現並不典型，良惡性之間常常「看起來很像」；二是決策難，臨床不僅要判斷是不是癌，還要盡量提前判斷腫瘤侵襲性和預後風險，從而在手術、主動監測和隨訪管理之間做出更合理選擇。人工智慧為這一問題提供了新的契機，但現有很多模型往往只針對單一任務建模，且主要依賴影像本身，缺乏對報告語義和臨床信息的整合理解；更重要的是，一旦換中心、換設備、換人群，模型性能就容易下降，泛化性不足，限制了真正落地。
針對上述痛點，在郭劍明教授指導下，熊鷹醫師聯合多家單位開展多中心研究，包括復旦大學附屬中山醫院、山東大學齊魯醫院、浙江大學醫學院附屬第一醫院、臨沂市人民醫院等，並與復旦大學數字醫學研究團隊、微軟亞洲研究院等合作。研究共納入8,809例患者、27,866套術前ct掃描數據，覆蓋不同中心、不同增強期相以及不同病理類型，構建了目前全球規模最大的腎癌專病研究數據基礎。
在建模思路上，研究團隊沒有讓ai只「死記硬背」影像標籤，而是先分別教會它「怎麼看片子」和「怎麼讀懂報告」。第一步，通過影像預訓練，讓模型學習腎腫物的形態、強化和解剖複雜性等關鍵特徵；第二步，通過文本預訓練，讓模型更好理解放射報告中的臨床語義；第三步，再把影像信息和文本信息放到同一個語義空間里進行跨模態對齊。通俗地說，就是讓模型把「片子上看到的東西」和「醫生報告里描述的意思」對應起來，從而不僅會分類，還能更全面地理解一個腎腫物。
結果顯示，該模型在腎腫物r.e.n.a.l.評分、良惡性判斷、侵襲性預測和預後評估等多個任務上，均顯著優於傳統cnn模型及斯坦福大學merlin、斯坦福大學和加州大學舊金山分校ct-fm等國際主流預訓練模型。在外部多中心驗證中，模型良惡性診斷auc達到0.841，明顯高於cnn的0.717和ct-fm的0.739；在侵襲性預測和預後分層方面也表現出更穩定的外部泛化能力，其中tcia隊列複發無生存預測c-index達到0.726，較最佳對照模型提升約22.6%。
郭劍明教授指出，renalclip不僅解決了現有ai泛化性差的痛點，更實現了從影像到臨床決策的全鏈條精準賦能，為腎癌個性化治療提供了有力工具。相關研究成果先後獲得上海市衛生健康行業青年創新大賽銀獎及上海市首屆醫學人工智慧應用大賽優勝獎。此次入選 「eau lab」 專題彙報，是國際泌尿外科界對該研究的高度認可。目前相關研究成果已被《nature communications》雜誌修回。
郭劍明 教授
復旦大學附屬中山醫院泌尿外科主任
二級教授、博導、主任醫師
中國醫師協會泌尿外科分會常委
上海市醫學會泌尿外科分會副主委
上海市抗癌協會泌尿腫瘤專委會副主委
csco前列腺癌、尿路上皮癌專委會常委
中國抗癌協會caca泌尿系統、男生殖系腫瘤專委會常委
海峽兩岸醫藥交流協會泌尿外科分會副主委
中國老年保健協會泌尿外科與男科學專委會副主委
《中華泌尿外科雜誌》編委
王爍
復旦大學數字醫學中心青年研究員、博士生導師
英國倫敦帝國理工學院榮譽資深研究員
中國計算機學會數字醫學分會執行委員
上海市醫學會數字醫學專科分會委員
上海市力學學會生物力學專委會委員
上海市內鏡微創協同創新中心首席研究員
biomedical engineering online 期刊副主編
熊鷹
復旦大學附屬中山醫院泌尿外科主治醫師
中國計算機徐匯數字醫學分會執行委員
香港生成式人工智慧研發中心（上海中心）高級研究員
哈佛醫學院gcsrt項目全球臨床學者
復旦大學附屬中山醫院優秀青年人才
clinical cancer bulletin 期刊青年編委
