基于2019版Bosniak分类的简化CT预测模型开发与验证：实现肾囊性肿瘤精准分层的多中心研究

来自四家医疗机构的研究团队针对肾囊性肿瘤(CRMs)良恶性鉴别难题，开发了基于2019版Bosniak分类的简化CT预测模型(SCTM)。该研究整合隔膜数量与凸起角度特征，在1138例患者中实现恶性CRM鉴别AUC达0.89-0.99，并通过XGBoost模型(整合年龄、BMI等参数)进一步区分惰性与侵袭性CRM(AUC 0.80-0.92)，为临床决策提供精准工具，显著减少不必要手术。

　　

这项开创性研究构建了革命性的影像诊断工具：基于2019版Bosniak分类系统开发的简化CT预测模型(SCTM)，通过量化分析囊性肾肿瘤(CRMs)的两个关键影像特征——隔膜(septa)数量与凸起(convex protrusion)角度，在四中心1138例患者队列中展现出惊人的鉴别效能。训练集(n=655)与验证集(n=165)数据显示，该模型区分良恶性CRMs的曲线下面积(AUC)高达0.99，在三个外部测试集(n=146/69/103)中AUC稳定在0.89-0.96区间。

研究团队更进一步开发了集成临床参数的XGBoost机器学习模型，巧妙融合患者年龄、性别、体重指数(BMI)、肿瘤位置/大小等特征，实现对侵袭性CRMs的二次筛选。该模型在验证集AUC达0.92，尤其值得注意的是，其能有效识别具有"惰性生物学行为(indolent)"特征的肿瘤，为临床医生提供"手术或随访"的决策依据。

这项研究标志着肾肿瘤诊疗进入精准医学新时代：SCTM模型仅需常规CT图像即可实现无创诊断，而XGBoost算法则像"智能显微镜"般穿透影像表象，揭示肿瘤的生物学本质。两种模型的联合应用，预计可使62.39%的良性CRM患者避免过度治疗，同时确保37.61%的恶性肿瘤获得及时干预。