多模态深度学习模型预测非肌层浸润性膀胱癌复发风险的回顾性临床研究

本研究首次将病理组学与影像组学进行多模态融合分析，突破传统单一模态预测模型的局限性。通过深度学习算法挖掘跨模态数据间的非线性关联，可揭示肿瘤微环境异质性对复发风险的潜在影响机制，为 NMIBC 生物学行为研究提供新范式。并建立个体化复发风险分层模型，可辅助临床医生精准识别高危复发患者，优化术后随访间隔（如高危患者缩短膀胱镜复查周期）及辅助治疗策略（如中危患者靶向灌注化疗选择）。可使低危患者避免过度治疗，高危患者降低复发漏诊率。