Nat Commun丨王烁/郭剑明/俞能旺/邵志强合作发布RenalCLIP：肾癌全流程AI诊疗新基座|俞能旺|全国肿瘤|手术|王烁|肾癌

近日，复旦大学王烁团队，复旦大学附属中山医院郭剑明、熊鹰团队，山东大学齐鲁医院俞能旺团队，临沂市人民医院邵志强团队，联合微软亚研院开发的肾癌智能模型RenalCLIP，正式发表于Nature Communications题为：A disease-centric vision-language foundation model for precision oncology in kidney cancer。该模型聚焦肾癌专科诊疗，跳出通用医疗AI泛而不精的问题，不仅能在不同医院稳定使用，还可一站式满足肾癌全流程诊疗需求，同时适配临床里样本稀少的疑难场景，是一款贴合临床实际、易落地、可延伸的新一代肾癌专病AI基础模型，为构建后续的肾癌专病世界模型提供基础表征。

在日常肾癌诊疗中，判断肾脏占位良恶性、评估肿瘤侵袭性、制定手术方案、预判术后复发风险、规划随访计划等工作环环相扣。目前不少智能工具存在明显短板：通用影像AI针对全身各类疾病设计，很难捕捉肾癌影像里的细微特征，换一家医院使用效果就会大打折扣；传统AI大多只能单独完成某一项工作，不同任务需要单独搭建系统，使用繁琐。此外，转移性肾癌疗效评估等临床任务可参考的病例数量少、标注工作量大，多数智能工具很难落地，也是长期困扰临床的难题。针对这些现实问题，研究团队摒弃“大而全”的研发思路，专注肾癌领域深耕，结合多中心真实病例与创新模型训练方式，使得RenalCLIP能够兼顾泛化性、全面性与拓展性，真正贴合临床工作场景。

泛化性优异，不同场景下判断结果稳定可靠

一款辅助工具能否普及，核心是在不同医疗机构都能保持稳定效果。模型优异的泛化性，是 AI 从实验室走向真实临床的核心前提，RenalCLIP 的泛化优势并非偶然，而是依托数据集设计与预训练架构双重保障。

数据层面，RenalCLIP在研发阶段纳入9家国内医疗机构以及国际公共病例库，总计8809名患者、27866份影像。多来源、异质性的真实世界数据，让模型充分学习不同设备、扫描参数、阅片习惯下的肾癌影像特征，避免单一中心数据带来的“过拟合”问题。在核心预训练架构上，团队创新采用两阶段模态对齐预训练策略，彻底打通影像视觉与临床文本的语义壁垒。一方面让模型吃透CT影像中肿瘤大小、位置、强化特点等关键细节；另一方面学习放射报告里的专业诊断描述，把影像表现和临床诊断逻辑对应起来，做到“看懂影像、读懂病情”。

图1 RenalCLIP框架示意图

在多中心联合测试中，该模型判断肾占位良恶性、侵袭性，以及预后评估的表现，比传统算法和通用影像模型提升明显；即便面对地域、数据差异较大的国际病例库，依旧保持领先水平。无论是大型三甲医院，还是地方医疗机构，模型都能稳定输出参考结果，具备大范围临床推广的条件。

一站式服务，覆盖肾癌从检查到随访全流程

以往临床使用的各类AI工具功能单一，评估手术风险、判断病灶性质、预测预后往往需要切换多个系统。而RenalCLIP一套系统就能覆盖肾癌术前评估、报告书写、手术规划、预后判断等全流程工作，实现“一个工具多用”。

首先，RenalClIP能够精准判别肾脏肿块的良恶性、评估肿瘤侵袭程度，尤其不受病灶大小影响，可有效甄别 4cm 以下难分辨的小肾肿物，帮助临床减少不必要的手术与穿刺活检；同时它还能自动生成规范的放射报告，经专业医师盲评验证准确度符合临床要求，显著减轻医护文书负担。在此基础上，该工具可自动完成肾脏肿瘤 R.E.N.A.L. 评分，精准评估肿瘤解剖复杂度，针对临床高发的小肾肿块，判断水平与资深专科专家相当，为保肾手术规划提供有力参考；还能仅凭术前 CT 影像预判患者术后复发与远期生存风险，评估结果具备独立参考价值，助力制定个性化随访及治疗方案。整套系统无需针对不同业务单独开发维护，适配放射、泌尿、肿瘤等多科室协同工作，有效简化临床操作流程。

图2 RenalCLIP多种下游任务的诊断性能

少量病例即可上手，轻松应对疑难少见病例

临床里很多前沿、疑难工作，都面临有效病例不足的问题，这也是很多AI工具无法落地的核心原因。RenalCLIP经过海量肾癌病例学习，对疾病特征已有充分认知，不需要大量标注病例就能正常使用。

常规诊断工作中，仅用20%~40%的标注病例，就能达到其他工具全量数据训练后的效果，大幅减少医生标注病例的工作量。面对转移性肾癌疗效预判、罕见肾肿瘤分型等样本稀缺的场景，该工具即便不做额外训练，也能给出有效参考；只需补充少量病例微调，就能快速适配新的临床任务。目前该模型相关代码已开源，业内可基于现有框架结合本院特点、专科方向做微调，快速打造适配自身需求的定制化工具。

从追求广泛适用，到深耕专科精准赋能，RenalCLIP为医疗AI发展提供了新方向。它凭借跨院稳定的表现，满足各级医院基础诊疗需求；依靠全流程功能，简化临床工作、提升诊疗效率；依托低样本适配能力，攻克疑难病例、前沿研究的应用难题。未来，这款工具有望助力肾癌专病世界模型的研发，进一步推动肾癌诊疗更加精准、规范，帮助医生减少误判、规避过度治疗，同时也为其他肿瘤专科AI的研发，提供了可参考的实践思路。

论文链接：https://doi.org/10.1038/s41467-026-74175-w

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

制版人：十一

学术合作组织

（*排名不分先后）