腎測量評分量化手術復雜性，但受限於觀察者和時間。AI能緩解此障礙，與人類專家一樣預測腫瘤結果，對臨床有價值。
雖然RENAL評分將連續的變量進行分類，簡化了評分過程，但這一過程中也遺失了有價值的資訊。就像腎臟質素直徑為4-7厘米被簡單歸為2分，但6.9cm和4.1cm的內生性腎質素預後卻大不相同。RENAL評分對每個組成部份一視同仁，簡單相加。而AI評分則不受這些限制，透過復雜的多變量模型，將連續的評分元件完美結合。我們利用AI生成的分段和多元邏輯回歸的連續變量，創造了全新的AI+評分！
圖 1. 接受者操作特征曲線評估不同 RENAL 評分的病理結果的預測能力（半徑、內生/外生、與集合系統的距離、前/後、相對於極線的位置）評分：人工智能 (AI)–生成的連續分數（紅色）、AI 生成的分類分數（綠色）和人類生成的分數（藍色）。FPF表示假陽性分數；TPV，真陽性值。
圖 2. 評估手術類別對不同腎（半徑、內生/外生、距集合系統的距離、前/後、相對於極線的位置）評分的預測能力的受試者操作特征曲線：人工智能 (AI)–生成的連續分數（紅色）、AI 生成的分類分數（綠色）和人類生成的分數（藍色）。
"回顧2010-2018年300名疑似腎癌患者，排除血栓患者，用最大腫瘤生成腎測量評分。數據公開於https://kits21.kits-challenge.org/。使用深度神經網絡自動生成腎實質和腫瘤的分割掩模，幾何演算法將分數估計為序數和連續變量。每個腫瘤都有AI生成的RENAL評分（AI+評分）、有序RENAL評分（AI-score）和傳統RENAL評分（H-score）。AI+評分是自動生成的連續分量的組合，無需相加。使用多元邏輯回歸研究其預測能力，比較AI+、AI評分。"
該佇列中，患者中位年齡60歲，40%為女性。腫瘤中位大小4.2cm，92%為惡性。AI+評分在預測惡性腫瘤、高階段、高級別、壞死和部份腎切除方面表現良好。最大腫瘤直徑是AI+評分最重要的預測因子。高度疾病和腫瘤壞死與AI+評分相關。研究存在局限性，包括2%的失敗率和來自70個醫療機構的CT影像，但我們認為這是可以接受的，並認為這為研究的普遍性和外部有效性奠定了基礎。
"AI+ 評分基於連續變量，無人為幹預，能更準確預測腫瘤結果。自動分割和腎測量評分減少了解釋差異，提高數據質素。在新治療時代，準確預測不良病理和腫瘤結果的需求迫切。我們的數據支持臨床醫生信賴全自動版本，並可作為開發更先進系統的重要步驟。"
Joshi SS, Uzzo RG. Renal tumor anatomic complexity: clinical implications for urologists. Urol Clin North Am . 2017;44(2):179-187.
Kutikov A, Uzzo RG. The R.E.N.A.L. nephrometry score: a comprehensive standardized system for quantitating renal tumor size, location and depth. J Urol . 2009;182(3):844-853.
Kutikov A, Smaldone MC, Egleston BL, et al. Anatomic features of enhancing renal masses predict malignant and high-grade pathology: a preoperative nomogram using the RENAL nephrometry score. Eur Urol . 2011;60(2):241-248.
Weight CJ, Atwell TD, Fazzio RT, et al. A multidisciplinary evaluation of inter-reviewer agreement of the nephrometry score and the prediction of long-term outcomes. J Urol . 2011;186(4):1223-1228.
Chapin BF, Wood CG. The RENAL nephrometry nomogram: statistically significant, but is it clinically relevant?. Eur Urol . 2011;60(2):249-251.
Spaliviero M, Poon BY, Aras O, et al. Interobserver variability of R.E.N.A.L., PADUA, and centrality index nephrometry score systems. World J Urol . 2015;33(6):853-858.
Heller N, Tejpaul R, Isensee F, et al. Computer-generated R.E.N.A.L. nephrometry scores yield comparable predictive results to those of human-expert scores in predicting oncologic and perioperative outcomes. J Urol . 2022;207(5):1105-1115.
Altman DG, Royston P. The cost of dichotomising continuous variables. BMJ . 2006;332(7549):1080.
Heller N, Isensee F, Maier-Hein KH, et al. The state of the art in kidney and kidney tumor segmentation in contrast-enhanced CT imaging: results of the KiTS19 challenge. Med Image Anal . 2021;67:101821.
