附属第一医院泌尿外科肖明朝教授团队通过注意力机制的深度学习卷积神经网络，开发并验证了基于术前增强CT预测肌层浸润性膀胱癌预后的人工智能模型，将有助于肌层浸润性膀胱癌(MIBC)患者的术后风险分层和随访管理。该研究于近日发表在国际权威期刊International journal of surgery上。

团队回顾性分析了重庆市4个医院的405例肌层浸润性膀胱癌患者的数据，通过注意力机制和卷积神经网络算法，开发了可解释性的深度学习模型，用于预测肌层浸润性膀胱癌患者的预后情况。该研究融合临床特征、影像组学特征和深度学习特征的联合模型，进一步提高了预测性能。另外，针对深度学习模型不可解释性的临床难题，团队通过梯度加权类激活映射图（Grad-CAM）使卷积神经网络的决策过程可视化，让人工智能模型成为了临床实践的新助力。

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。