多模态集成方法用于透明细胞肾细胞癌治疗结局预测

目的：透明细胞肾细胞癌（ccRCC）的可靠预后模型可以改善个性化治疗。我们开发了一种多模态集成模型（MMEM），整合了治疗前临床数据、多组学数据和组织病理学全切片图像（WSI）数据，用于预测ccRCC患者的总生存期（OS）和无病生存期（DFS）。方法：我们分析了来自The Cancer Genome Atlas Kidney Renal Clear Cell Carcinoma（TCGA-KIRC）数据集的226名患者，包括OS、DFS随访数据和五种数据模态：临床数据、WSI和三种多组学数据集（mRNA、miRNA和DNA甲基化）。分别构建了OS和DFS的生存模型。对于临床和多组学数据，使用带前向特征选择的Cox比例风险（CPH）模型。从WSI中提取特征使用了ResNet和三种通用基础模型。基于深度学习的CPH模型利用编码后的WSI特征预测生存。所有模型的风险评分基于训练性能进行组合。结果：使用一致性指数（C-index）和AUROC评估性能。基于临床特征的CPH模型在OS和DFS任务中均获得了最高权重。在WSI基础模型中，通用基础模型（UNI）取得了最佳性能。最终的MMEM模型超越了单模态模型，OS的C-index达到0.820，DFS的C-index达到0.833，3年患者死亡的AUROC为0.831，癌症复发的AUROC为0.862。使用预测风险中位数对高危组和低危组进行分层，log-rank检验显示OS和DFS的性能均优于单模态模型。结论：MMEM是首个针对ccRCC患者的多模态模型，整合了五种数据模态。它在预测能力上优于单模态模型，若经过独立验证，有潜力辅助ccRCC患者的管理。