Исследователи разработали модель клинической радиомики с глубоким обучением (CDLR) на основе КТ для неинвазивной дооперационной дифференциальной диагностики лоханочного уротелиального рака верхних мочевых путей (UTUC) и ксантогранулематозного пиелонефрита (XGP). Точная предоперационная диагностика критична для персонализации лечебной тактики.

В ретроспективный анализ включены 161 пациент с патоморфологически подтверждённым диагнозом лоханочного UTUC или XGP после хирургического лечения. Пациенты были рандомизированы на обучающую когорту (n=112) и валидационную когорту (n=49). Из КТ-изображений в кортикомедуллярную фазу извлекали радиомические (Rad) и признаки глубокого обучения (DL). После отбора признаков и интеграции с клиническими данными использовали классификатор логистической регрессии для построения трёх моделей: клинической, модели радиомики с глубоким обучением (DLR) и комбинированной модели CDLR. Эффективность оценивали по ROC-кривым и анализу кривых принятия решений (DCA), интерпретируемость — методом SHAP.

Модель CDLR достигла AUC 0.955 в обучающей когорте и 0.930 в валидационной когорте. В валидационной когорте модель CDLR значимо превзошла оценку радиолога с 5-летним опытом абдоминальной КТ-диагностики (AUC 0.930 vs. 0.695, p=0.0006) и показала численно более высокие значения AUC по сравнению с клинической моделью (0.823) и моделью DLR (0.882). Анализ DCA продемонстрировал, что модель CDLR обеспечивает наибольшую клиническую пользу. SHAP-анализ подтвердил хорошую интерпретируемость модели.

Модель CDLR, интегрирующая клинические, радиомические и DL-признаки, представляет собой эффективный неинвазивный инструмент для дооперационной дифференциальной диагностики лоханочного уротелиального рака и ксантогранулематозного пиелонефрита, предоставляя ценную информацию для принятия клинических решений.