▲通过Grad-CAM技术可视化深度学习算法的决策过程

肌层浸润性膀胱癌患者预后较差，即使行根治性膀胱切除术后，复发、转移几率仍较高，当前临床实践中缺乏有效的肌层浸润性膀胱癌患者术后风险分层模型。近年来，人工智能赋能医疗成为研究热点，基于影像组学（Radiomics）和深度学习(Deep learning, DL)的人工智能算法能够从多种影像数据中提取肉眼无法识别的高通量的深层次特征，并构建预测模型，有望为膀胱癌患者临床管理提供新的视角和方法。

人工智能模型走向医疗实践的最大阻碍是其算法的不透明性和不确定性。团队的研究证实了深度学习卷积神经网络的技术可以从膀胱癌术前CT影像中提取预后相关信息，并构建端对端的预测模型，为肌层浸润性膀胱癌患者的术后风险分层和随访管理提供助力。同时通过Grad-CAM可视化模型的决策过程，能够提供解释其推荐或决策的依据。该成果的应用能够帮助医务人员和患者理解模型的工作原理，有助于改善医患关系、增强医患间的信任感。