近年來(lái)隨著計(jì)算機(jī)硬件及軟件的快速發(fā)展，計(jì)算機(jī)的運(yùn)算能力得到了極大的提高，這使得沉寂了多年的人工智能（artificial intelligence，AI）再一次登上了舞臺(tái)。AI已在多個(gè)領(lǐng)域取得了突破和進(jìn)展，在生物醫(yī)學(xué)領(lǐng)域也不例外。AI與醫(yī)學(xué)影像相結(jié)合是其在生物醫(yī)學(xué)領(lǐng)域研究的重點(diǎn)方向之一，尤其是腫瘤影像領(lǐng)域。腎腫瘤是臨床常見的腫瘤病變之一，AI在腎腫瘤影像學(xué)診斷及治療中有巨大的價(jià)值和廣闊的應(yīng)用空間。

AI是指研究開發(fā)用于模擬、延伸和擴(kuò)展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的一門信息科學(xué)。當(dāng)前AI在醫(yī)學(xué)影像中的應(yīng)用主要體現(xiàn)在使用以深度學(xué)習(xí)為代表的方法對(duì)影像大數(shù)據(jù)進(jìn)行挖掘，搜索和提取相關(guān)信息，而影像組學(xué)則是此類工作模式的代表。

AI在醫(yī)學(xué)影像中的應(yīng)用可以概括為以下3個(gè)方面。① 疾病篩查檢出：使用AI的方法快速識(shí)別及檢出病灶，提高病變檢出效率，降低漏診率，減少放射科醫(yī)師尋找病灶所耗費(fèi)的時(shí)間；② 協(xié)助放射科醫(yī)師診斷：對(duì)病灶進(jìn)行分析，給放射科醫(yī)師提供額外的影像診斷信息，使醫(yī)師可以做出更為精確的臨床診斷；③ 提供具有附加價(jià)值的工作：AI可以輔助影像數(shù)據(jù)處理，如使用AI軟件進(jìn)行腫瘤邊界分割重建、病變體積測(cè)量等，輔助臨床和研究工作。

AI在醫(yī)學(xué)影像中的研究和應(yīng)用已取得了一定的進(jìn)展，包括肺部病變、視網(wǎng)膜病變、骨骼病變及神經(jīng)系統(tǒng)病變等。其中AI在肺結(jié)節(jié)方面的研究和應(yīng)用進(jìn)展最為迅速，取得了大量成果，包括肺結(jié)節(jié)的檢出、分割和性質(zhì)判斷等。在其他腫瘤影像領(lǐng)域，AI也取得了不俗的研究成果，如Bahl等回顧性收集1 006例乳腺高危病灶，發(fā)現(xiàn)基于隨機(jī)森林機(jī)器學(xué)習(xí)建立的模型能有效預(yù)測(cè)乳腺高危病灶進(jìn)展為乳腺癌的風(fēng)險(xiǎn)，從而改善了高風(fēng)險(xiǎn)乳腺病灶患者的臨床管理。Chang等運(yùn)用卷積神經(jīng)網(wǎng)絡(luò)（convoluTIonal neural network，CNN）分析496例膠質(zhì)瘤（Ⅱ~Ⅳ級(jí)）的MRI影像特征，建立預(yù)測(cè)模型，對(duì)腫瘤的異檸檬酸脫氫酶（isocitrate dehydrogenase，IDH）突變情況進(jìn)行預(yù)測(cè)，在驗(yàn)證組中的準(zhǔn)確率達(dá)89.1%。

盡管影像學(xué)檢查在腎腫瘤診斷和臨床管理中具有重要價(jià)值，但目前腎腫瘤臨床影像存在部分腎腫瘤良惡性鑒別困難、晚期腎細(xì)胞癌療效評(píng)價(jià)困難等問題。這些通過傳統(tǒng)影像學(xué)方法難以有效解決的問題雖然還未引起AI研究領(lǐng)域的足夠重視，但AI在腎腫瘤影像局部領(lǐng)域已有所應(yīng)用，包括鑒別診斷、機(jī)制研究及治療預(yù)后評(píng)價(jià)等。

2.1 腎細(xì)胞癌與腎良性腫瘤的鑒別診斷

目前，病理診斷是腎腫瘤確診的金標(biāo)準(zhǔn)。盡管腎細(xì)胞癌在影像上具有較為明確的特征，如對(duì)比劑增強(qiáng)掃描時(shí)腎透明細(xì)胞癌快進(jìn)快出的強(qiáng)化特點(diǎn)和乳頭狀腎細(xì)胞癌在磁共振T2WI上的低信號(hào)表現(xiàn)，但在日常臨床工作中，醫(yī)師憑借現(xiàn)有的影像檢查技術(shù)（包括CT和MRI檢查）常難以實(shí)現(xiàn)腎細(xì)胞癌與某些腎良性腫瘤的術(shù)前鑒別診斷，如乏脂肪血管平滑肌脂肪瘤。此類良性腫瘤在大多數(shù)情況下只需保守治療或隨訪，因此實(shí)現(xiàn)腎細(xì)胞癌與腎良性腫瘤的術(shù)前準(zhǔn)確診斷尤其重要。

Lee等回顧性收集39例乏脂肪血管平滑肌脂肪瘤和41例腎透明細(xì)胞癌患者，通過在腹部CT增強(qiáng)圖像上提取腫瘤相關(guān)特征（包括hand crafted features和deep features）并結(jié)合這些特征形成深度特征自動(dòng)分類方法以區(qū)分腎透明細(xì)胞癌與乏脂肪血管平滑肌脂肪瘤，準(zhǔn)確率達(dá)76.6%。Feng等嘗試通過深度學(xué)習(xí)的方法區(qū)分小（