01文献信息本次分享的文献是由青岛大学附属医院放射科王鹤翔、泌尿外科牛海涛联合广东省人民医院、中山大学附属第六医院和山东省立医院等团队近日2025年8月16日在《npj Precision Oncology》中科院1区IF8.0上发表的研究“An interpretable CT-based deep learning model for predicting overall survival in patients with bladder cancer: a multicenter study”即基于CT的可解释深度学习模型预测膀胱癌患者总生存期一项多中心研究开发了一个基于术前CT影像的深度学习模型BCDL用于预测膀胱癌患者的总生存期OS并通过多中心外部验证、可解释性分析和多组学关联研究验证了其临床实用性和生物学基础。Fig. 2 | 研究工作流程图多中心数据收集 → CT图像获取与标注→图像预处理重采样、标准化、ROI裁剪→构建BCDL模型3D DenseNet121多分支结构自归一化层→模型训练与验证Cox部分似然损失→可解释性分析CAM、SHAP→多组学分析RNA测序免疫浸润微生物群→02研究背景及目标研究背景膀胱癌Bladder CancerBCa是全球第9大常见癌症和第13位肿瘤相关死亡原因。目前膀胱癌的分型主要为肌层浸润性MIBC和非肌层浸润性NMIBC。尽管已有标准化治疗方案但预后差异巨大现有分层标准复杂缺乏有效的预后生物标志物。影像组学与深度学习在肿瘤预后预测中展现潜力但深度学习模型的“黑箱”特性限制临床应用。本研究引入SHAPShapley Additive Explanation方法提升模型可解释性并结合多组学数据探究其生物学基础。研究目标开发并验证一个基于术前CT的可解释深度学习模型Bladder Cancer Deep LearningBCDL用于预测膀胱癌患者的总生存OS并探索其潜在的生物学机制。03数据和方法研究数据Datasets总体数据来源病例数共纳入1456例膀胱癌患者中心分布来自4个中国大型医疗中心并结合TCGA公共数据库纳入时间训练队列青岛大学附属医院2010年1月–2024年3月验证队列1广东省人民医院2016年1月–2023年12月验证队列2山东省立医院濮阳油田总医院2012年1月–2018年12月TCGA队列公共影像与转录组数据分组情况训练队列765例验证队列1438例验证队列2181例TCGA队列72例随访时间中位随访20–79个月不等临床特征包括年龄、性别、肿瘤大小、浸润情况、肿瘤形态、钙化、坏死等Fig.1 | 患者临床特征分布技术方法影像处理与模型构建使用对比增强CT肾实质期图像基于DenseNet1213D卷积网络结合Cox部分似然损失函数引入多分支结构自归一化层以增强多中心适应性输出深度学习风险评分DLscore对照模型临床模型基于Cox回归变量年龄、肿瘤轮廓、膀胱周脂肪浸润等影像组学模型从CT提取1595个特征→特征选择LASSOAIC→最终13个特征构建模型融合模型BCDL分数独立临床危险因素可解释性分析CAM类激活图可视化模型关注区域肿瘤病灶SHAPShapley值像素级解释风险贡献红高风险蓝低风险统计学与验证预测性能指标C-index、时间依赖ROC、校准曲线、决策曲线分析DCA生存分析Kaplan–MeierLog-rank检验相关性分析Spearman相关治疗效益评估倾向评分匹配PSM1:1匹配多组学功能探索转录组TCGA-BLCA数据差异基因分析DESeq2阈值|log2FC|1adjp0.05通路富集GO/KEGGGSEAMSigDB免疫微环境ssGSEA计算免疫细胞浸润差异微生物群BacteriainCancer数据库→物种注释门/纲/目/科/属PLS-DA分析统计学方法线性判别分析效应量LEfSe用于筛选差异菌群04实验结果图Fig. 3 | 各队列DL评分评估与可视化展示了深度学习DL风险评分的分布特征、与生存状态的关联及模型可解释性结果覆盖训练集及三个独立验证集。Fig. 4 | 各队列预后模型性能对比从鉴别效能、稳定性、校准度及临床获益四个维度系统对比了BCDL模型与临床模型、放射组学模型、联合模型的性能差异。Fig. 5 | BCDL模型对膀胱癌患者的预后分层四个队列中基于DL评分分层的Kaplan-Meier生存曲线用于评估模型的预后分层效能。Fig. 6 | BCDL风险分组间的多组学差异整合了转录组、免疫组、微生物组多维度数据揭示高低风险组间的生物学差异构建影像特征与分子机制的关联。05讨论创新点首个针对膀胱癌全类型MIBCNMIBC的多中心CT深度学习预后模型使用SHAP提供像素级可解释性解决深度学习“黑箱”问题结合转录组免疫微生物组学揭示影像-生物学联系首次发现高风险组可从辅助治疗中显著获益低风险女性为特殊亚群局限性主要为中国人群需更大规模国际前瞻性验证仅分析总生存OS未涉及复发/无病生存未细分特殊病理亚型如变异型膀胱癌仅用单期肾实质期CT信息量可能不足临床价值可作为一种非侵入性预后工具帮助分层管理膀胱癌患者指导辅助治疗决策避免过度治疗或治疗不足为设计个体化临床试验提供参考技术亮点基于DenseNet多分支结构适配多中心异质性采用Cox部分似然损失充分利用删失数据结合PSM减少治疗选择偏倚提升临床相关性