基于三维重建技术的肾肿瘤评分系统研究进展

基于三维重建技术的肾肿瘤评分系统研究进展【摘要】肾部分切除术是局限性肾肿瘤的首选治疗方案，基于影像学检查的肾肿瘤评分系统在术前评估和围术期结局的预测中起重要作用。目前，随着三维（3D）重建技术在外科领域快速普及，生成的3D虚拟模型已被用于肾肿瘤评分系统的优化与更新。本文简要介绍了3D重建技术及其相对于传统二维评分系统的优势，并系统梳理了近年来国内外提出的3D肾肿瘤评分、肿瘤体积或形态评分、肿瘤体积中轴线评分、ADDD评分、3D扩展肿瘤平面评分、肾肿瘤实际接触面积评分、TBA+DTA+R.E.N.A.L.联合评分、Tindex评分、DCOM评分、ROADS评分、RAL评分共11种基于3D重建技术的新一代肾肿瘤评分系统，旨在为临床实践与未来发展提供参考。【关键词】肾肿瘤；三维重建；评分系统；肾部分切除术肾细胞癌（renalcellcarcinoma，RCC）是泌尿系统常见的恶性肿瘤，2022年全球新发病例约43.5万例［12］。对于T1期和经过筛选的T2期肾癌，腹腔镜肾部分切除术（laparoscopicpartialnephrectomy，LPN）不仅能准确切除肿瘤、遏制其发展，还具备肾功能保护优势［34］，是欧洲泌尿外科协会、美国泌尿外科协会等权威机构指南推荐的首选治疗方案。新兴的手术机器人系统能够在腔镜狭窄的解剖空间内进行精确操作，提高了手术疗效与安全性［5］，在复杂肾肿瘤的保肾手术中受到重视［6］。但腔镜下手术增加了操作难度和手术风险，术前对肿瘤、血管及其周围解剖结构的精准评估尤为重要，是达成“三连胜”［7］［阴性切缘、热缺血时间（warmischemiatime，WIT）<25min和无明显术后并发症］的关键［8］。CT和MRI的二维（two‑dimensional，2D）图像是术前评估的重要依据，由此创建的R.E.N.A.L.、PADUA等传统肾肿瘤评分系统具有客观、稳定、可重复的特点，自发表至今已得到充分的验证，被广泛应用。然而，在保肾手术技术不断更新、手术精度要求日益提高的当下，传统2D评分系统面临主观误差较大、精度与预测效能欠佳等挑战。目前，三维（three‑dimensional，3D）重建技术使肾肿瘤的术前解剖评估变得更加直观、精准［9］。为了使肾肿瘤评分系统与时俱进，研究人员将3D重建技术应用于传统评分系统以提升精度与预测效能［10‑11］，同时基于3D特有参数构建了新一代肾肿瘤评分系统，拓展了评估维度和适用范围。本文介绍了3D重建技术及其相较于传统评分系统的优势，并系统梳理了近年来国内外基于3D重建技术构建的11个新一代肾肿瘤评分系统，希望为3D重建肾肿瘤评分系统的临床应用与未来发展提供参考。一、3D重建技术3D重建技术基于增强CT或MRI检查获取动脉期、静脉期和排泄期等不同时期的2D断层影像，扫描层厚≤1mm，并存为DICOM格式资料，最终生成可在计算机上进行立体感展示的三维虚拟模型（threedimensionalvirtualmodel，3DVM）［12］。其关键过程包括图像预处理、描绘肿瘤与器官轮廓、图像分割标记、配准和融合、选择显示组织并标记结构等。3D重建还需进行层间插值，要求重建结果失真小、轮廓边界清晰。此外，选择合适的算法对于3D建模的后续应用至关重要：面绘制用于重建器官的局部和表面特征，具有高效的优势；体绘制对于内部细节的重建更加真实，但硬件要求与经济成本较高［13］。具体操作过程中需要专业人员进行手动操作与核对，而熟练掌握3D技术需经过系统的规范化培训［14］。与此同时，结合人工智能（artificialintelligence，AI）可使图像分割、手动评分等步骤实现自动化与标准化［1516］。未来，随着全息技术、图像融合、AI自动分割、增强现实与混合现实等技术的成熟与广泛使用，3D重建的直观性、精准度和自动化程度将会进一步提升。二、3D重建技术对传统评分系统的优势早期肾肿瘤评分系统依赖CT、MRI等2D影像，有一定局限性。例如断层图像缺乏立体感，对肿瘤定位、毗邻结构及滋养血管等细节的评估依赖于医生的经验，易出现偏差，影响手术的安全性和精确性。而基于此的R.E.N.A.L.、PADUA等传统评分系统依赖人工测量与主观判断，且计算公式大多假设肿瘤为规则几何体，存在误差且观察者间一致性差［17］。此外，早期评分系统评分参数仅覆盖直径、距离、与标志线的位置等，维度有限、预测效能偏弱，对于术后肾功能下降、长期慢性肾病（chronickidneydisease，CKD）进展等结局的预测曲线下面积（areaunderthecurve，AUC）多在0.6~0.7之间，难以满足精准风险分层需求［18］。与传统2D影像相比，3DVM具有空间立体感，适配机器人系统的操作要求，其技术优势带来了精确性、客观性的提升。借助3D模型，术者可以通过拖拽、放大、去除组织等操作更全面、准确、直观地观察肿瘤及其滋养血管、毗邻结构、集合系统、输尿管等术区的解剖结构，有效应对肾肿瘤病例中血管变异和复杂解剖结构的情况，有助于明确不同患者的解剖特征并合理规划手术路线、切除范围以及动脉阻断策略，满足患者个性化治疗的需求［19］。同时也便于低年资医生在学习中根据3D模型进行直观、立体的解剖观察，更深刻地理解手术。术中结合3DVM显著降低了手术损伤，在优化缺血策略的同时降低输血风险并减少了手术时间，提升了肾部分切除术（partialnephrectomy，PN）的安全性与效率［20］。此外，3D立体模型可以减少专业壁垒导致的医患沟通障碍［21］。因此，肾肿瘤评分系统结合3D重建技术是大势所趋。研究发现，3DVM分别结合PADUA或R.E.N.A.L.评分后，预测总体并发症、主要并发症的准确性均获得提升，且近半数评分出现了降级，其风险或复杂性分类则有约1/4降级；并提升了诊断精确性，避免患者因评分过高而放弃保肾手术治疗［10］。Yoshitomi等［11］在针对R.E.N.A.L.评分的研究中重点指出：结合3DVM降低了主观差异，提升了预测效能并显著缩短评估时间，增强了临床实用性。而Huang等［22］将基于PADUA评分改进的SPARE评分与3DVM结合，使用AI自动测量，提高了肾窦侵犯判定的准确性，对肿瘤大小与肿瘤外凸率的识别也更加精确。Bianchi等［23］的研究发现R.E.N.A.L.、PADUA与ABC评分的并发症预测AUC结合了3DVM后均有提升。而新建立的评分系统纳入了体积、接触面积、血管关联、3D空间关系、拓扑学特征等3D特征参数，配备专用算法，在评估效能、适用广度、简便性与实用性上相较于传统评分系统都有进一步的提升。总之，肾肿瘤评分系统结合3D重建技术，降低了评分过程的主观差异，增强了观察者间一致性，提升了风险分层精准度、适用广度、评分效率与评分系统的预测准确性。三、基于3D重建的新一代肾肿瘤评分系统（一）简化参数的评分系统简化参数的评分系统纳入的评分参数≤2个，一般为能通过视觉直接进行判断或易于量化的3D特征参数，聚焦于肾脏结构的部分解剖特征。这类3D评分系统的建模和评分过程均得到了简化，是针对特定结局所设计的简易、专项评分系统，具有直观、高效的特点；在尽可能简化参数的同时保证评估目的有效性和可行性，体现出“小而精”的新理念。1.肿瘤体积中轴线评分系统：肿瘤体积较直径更能准确量化肿瘤大小，且可通过椭球体公式结合增强CT3D重建实现自动计算。基于此，研究人员在分析现有参数预测机器人辅助腹腔镜下肾部分切除术（robotassistedlaparoscopicpartialnephrectomy，RAPN）后肾功能的能力后，将脱颖而出的“肿瘤穿越轴向肾中线”与肿瘤体积结合，形成肿瘤体积中轴线评分系统［24］。根据肿瘤体积是否≥14.11cm³、肿瘤是否穿越轴向肾中线这2个因素，将都否定的归为低危组，一个肯定的归为中危组，都肯定的归为高危组。肿瘤体积≥14.11cm³与中线穿越是术后估算肾小球滤过率（estimatedglomerularfiltrationrate，eGFR）下降≥20%的独立危险因素。该系统预测eGFR下降的AUC达0.786，均高于R.E.N.A.L（.0.676）、PADUA（0.653）及DAP（0.719）的对应值。该评分系统作为专门用于预测单一结果的评分系统，在预测准确性强的同时体现出极简的设计理念，临床门槛低，兼具便捷性与简易性。目前该系统对于肿瘤体积的计算仍假定肿瘤为椭圆球体，而真实肿瘤的形状并不固定，且表面并非绝对平整，未来随着3D体积算法的优化，该系统的准确性将进一步提升。2.3D扩展肿瘤平面评分系统：Xu等［25］针对原ADDD评分系统对不同风险的评分和分类不够直观的问题，于2024年研发了一种3D扩展肿瘤平面技术。该技术以3D虚拟模型为基础建立虚拟扩展的肿瘤平面，评估虚拟平面与集合系统和肾血管之间的空间关系。评分系统将平面与集合系统的关系分为3种，即集合系统无受累、肾髓质（肾锥）受累和肾盏受累；将平面与血管的关系分为5种，即无血管受累、主干血管受累、二级分支血管受累、三分支血管受累和小血管受累。前瞻性研究显示，随着集合系统的受累加重，三连胜失败率、WIT、并发症发生率均相应上升；肾盏受累组的手术三连胜失败率达40%，显著高于肾髓质受累组（20.6%）和无受累组（5.3%），表明肾盏受累是手术三连胜失败的独立危险因素。同时，虚拟平面累及主干血管的手术时间显著延长，为术前准备提供了实际依据。该评分采用直接观察的可视化评估方式，在评分同时完成术前切除轨迹预演，不仅无需复杂计算，而且与手术关联性强，直观且实用。3.肾肿瘤实际接触面积评分系统：接触表面积（contactsurfacearea，CSA）评分系统通过计算肾肿瘤与周围正常肾脏接触面积来进行评估，其计算公式后续被进一步改良，但改良后的公式仍假设肾肿瘤为球体，与肾肿瘤高度可变的形态特征不符。Traverso等［26］提出的新方法可自动、精确量化CSA，并命名为肾肿瘤实际接触面积（realcontactsurfacearea，RCSA）评分系统。新方法利用MaterialiseMimics软件进行肾脏与肿瘤的3D重建，使用专用算法计算肿瘤与健康肾实质的真实接触面积。研究人员发现，RCSA评分系统与WIT、手术时间（operationtime，OT）、估计失血量（estimatedbloodloss，EBL）的相关性显著高于传统PADUA和R.E.N.A.L.评分系统。同时，该评分系统预测WIT、OT、EBL的准确性均优于传统2D评分系统（AUC为0.72~0.84∶0.62~0.71）。此外，多因素回归显示，RCSA作为上述3项指标的唯一独立预测因子，临界值分别为15cm²（WIT、OT）、14cm²（EBL），可直接指导手术规划。与同样包含CSA的ADDD评分系统相比，RCSA评分系统聚焦单一参数，简化建模与评估过程并针对特定预测目标，实现了明显差异化。（二）多参数评分系统多参数评分系统通过3D虚拟模型将肾肿瘤及其周围结构的解剖特征和空间关系量化为具体数字，特别是新纳入了2D图像不易判断的血管因素，体现出3D重建的技术优势。尽管部分参数的计算和评分过程较为复杂，但所选择参数包含肿瘤的实质接触、血管距离、集合系统关联等，能够体现手术难点，在对肾肿瘤进行评估的同时也能指导具体的术式选择、手术入路和动脉阻断策略。目前，涉及多个参数的评分系统也在朝着易测量、易理解的方向发展。1.3D肾肿瘤评分系统：研究表明，肿瘤的大小对于术后肾功能变化的预测价值较高［27］，而肿瘤的体积可以通过建立3D模型结合软件算法更准确地体现其大小，优于横截面直径。Liu等［28］基于此构建了一套完整的3D肾肿瘤评分系统，其中的5项参数分别按风险分组并赋分：肿瘤体积<10cm3为1分，10~30cm3为2分，>30cm3为3分；内生肿瘤占比<50%为1分，≥50%为2分，100%即完全内生为3分；肾脏血管无变异为1分，有副肾动脉、肾门提前分支、肾动脉位于静脉前方等情况为2分；肿瘤未侵犯集合系统或肾窦为1分，单一侵犯为2分，全部侵犯为3分；肿瘤到肾脏的赤道平面的纵向距离>2cm为1分，1~2cm为2分，30min的AUC达0.91，显著高于传统评分（0.67~0.68），对于肾功能恢复的预测具有指导意义。2.肿瘤体积/形态评分系统：Bianchi等［29］基于3D重建技术，通过软件计算，选取了8个3D模型特有的体积或形态学参数，即肿瘤体积（tumorvolume，VT）、肿瘤体积与肾体积之比（ratiobetweentumorvolumeandkidneyvolume，VT/VK）、3D接触表面积（3Dcontactsurfacearea，CSA3D）、3D集合系统接触（3Dcontacttourinarycollectingsystem，UCS3D）、3D肿瘤血供动脉（3Dtumorfeedingartery，TumorArtery3D）、肿瘤球形性（tumorsphericity，ST）、肿瘤凸度（tumorconvexity，CONVT）、3D肿瘤内生性（3Dtumorendophyticity，Endophyticity3D；CSA与整体肿瘤表面积之比）。在TumorArtery3D中，血供来自三级节段动脉的皮质肿瘤评为1分，血供来自二级节段动脉的髓质肿瘤评为2分，血供来自一级节段动脉或肾主动脉的肾门肿瘤评为3分；在UCS3D中，无接触评为1分，存在接触、移位或侵犯评为2分。该评分可以预测总体并发症的风险、WIT的延长，并指导动脉阻断策略的选择。其中UCS3D、TumorArtery3D、Endophyticity3D是术后总体并发症的核心预测因子，CSA3D、Endophyticity3D可预测WIT的延长，CSA3D可指导动脉阻断方式的选择，但其余参数对于手术结局的预测价值不明显。该评分系统纳入的一系列参数均为3D模型所特有且覆盖面较广，无意义参数的存在说明决定手术复杂性的并非单纯肿瘤大小或形态，而是其与周围关键结构的解剖关联，也为后续基于3D重建技术的肾肿瘤评分系统的研究提供参考。3.ADDD评分系统：早期的DDD评分系统用于评估LPN的复杂性与预后。2023年，研究人员借助3D模型进行评估，在DDD评分系统的基础上进一步完善，整合了4个参数构建出ADDD评分系统［30］，即A（肿瘤与肾实质接触面积）、D（₁肿瘤侵入肾实质的深度）、D（₂肿瘤到肾内主要动脉的距离）、D（₃肿瘤到集合系统的距离）。每项参数按临床风险赋1~3分，总分4~12分，<7分为低危，7~9分为中危，>9分为高危。4个研究中心的前瞻性研究表明，分级越高的患者的OT、WIT和住院时间更长，EBL更多，术后肌酐增加，eGFR减少；且ADDD评分总分每增加1分，术后并发症风险都会相应升高。在预测效能上，其预测术后并发症、手术三连胜、术后肾功能保留的AUC分别达0.738、0.766和0.746，均高于传统R.E.N.A.L.、PADUA评分。此外，即使在PADUA≥10分的复杂肿瘤或完全内生性肿瘤亚组中，该评分系统仍能有效分层风险，弥补了传统评分在复杂肿瘤领域分层失效的短板。该研究是本综述中样本量最大、验证中心最多且参数较全面的评分系统，其核心价值已得到初步证实。4.TBA+DTA+R.E.N.A.L.联合评分系统：Li等［31］基于3D模型探索出2个新型解剖参数，即肿瘤床面积（tumorbedarea，TBA）和肾动脉分叉距离（distancefromthetumortothefirstbifurcationoftherenalartery，DTA）。TBA为肿瘤与正常组织接触面积，通过自动计算得出，而DTA则通过手动测量得出。经分析，TBA和DTA是WIT延长的独立危险因素，TBA越大、DTA越小，手术WIT越长，术后肾功能下降风险越高。此外，TBA还与术后肌酐升高、eGFR下降显著相关，可间接反映肾功能损伤风险。Li等［31］在获得新参数的基础上构建了列线图，将经过验证的TBA、DTA与R.E.N.A.L.评分整合为联合评分，其预测WIT延长的AUC达0.786，高于单独使用R.E.N.A.L.评分（AUC=0.72），HosmerLemeshow检验提示模型拟合良好（P=0.998）。TBA与DTA的加入不仅提升了经典R.E.N.A.L.评分的预测准确性，而且在多因素回归中为独立危险因素，在提供额外预测价值的同时无需改变现有评分习惯，推广成本较低。5.Tindex评分系统：研究人员创新性地从拓扑角度对肾肿瘤及其周围组织进行空间分析，通过算法计算肿瘤与肾实质界面所有点到肾窦中心点距离的倒数之和，将肿瘤大小、肾实质内侵犯程度、到肾窦的距离3大解剖特征通过拓扑算法整合为单一量化指标，最终得到Tindex评分［32］。肿瘤越靠近肾窦、浸润范围越广，界面上近肾窦的点就越多，计算出的Tindex值就越大。Tindex评分系统对于手术难度的预测优于传统评分系统，与围手术期指标如WIT、OT、EBL、术后肌酐、住院天数均显著相关，同时是术后总并发症和主要并发症的独立预测因子，预测总并发症的效能（AUC=0.692）显著高于PADUA（0.596）和Cindex（0.583）评分系统。此外，Tindex可预测术后7年CKD进展，预测模型AUC达0.873，填补了3D系统在术后长期肾功能预测领域的空白。6.DCOM评分系统：3D全息成像技术能在PN术中将手术图像与肾脏3D模型实现空间融合［33］。DCOM评分系统［34］开创性地使用全息图像进行评分，整合了4项参数，即肾内肿瘤直径（diameteroftumorinsidekidney，D）、肾节段血管压迫（compressionoftherenalsegmentalvessels，C）、肾窦占据（occupationoftherenalsinus，O）和肿瘤外生性比率（massexophyticrate，M），每项根据标准评为1~3分；总分4~6分为低风险患者，可优先选择PN；7~8分为中风险患者，术者需仔细规划手术以减少对血管和集合系统的损伤；≥9分为高风险患者，需评估是否适合PN，有转为根治性肾切除术的可能性。作者在单中心研究中纳入了296例患者，结果显示一致性指数达0.829，显著高于传统R.E.N.A.L.、PADUA评分，更高的DCOM评分与更长的WIT、更多的EBL、更高的并发症率、更低的MIC（切缘阴性、WIT<20min、无严重并发症）结局达标率强相关，可有效区分手术难度层级，且DCOM评分是手术不良结局（MIC失败、转为根治性肾切除术）的独立预测因子。3D全息成像技术与术中操作的结合更加紧密，体现出在空间关系量化中的潜力，DCOM评分系统将该前沿技术引入肾肿瘤评分系统，更能体现新技术对肿瘤、肾窦和血管的直观、精确评估。7.ROADS评分系统：肾窦肿瘤因其一半以上体积位于肾窦内，易压迫及包绕肾段血管与集合系统，且手术空间有限使手术难度大，传统2D评分系统难以精准评估其复杂性。3D虚拟模型可以展示肿瘤在肾窦内的位置和其与血管、集合系统的关系，基于此的ROADS评分系统［35］通过手动测量、位置关系与孤立肾状态计算总分，评分纳入5项解剖参数，即肿瘤占据肾窦面积比例（R）、肿瘤对血管/集合系统的压迫程度（O）、肿瘤与血管/集合系统的前后位置（A）、肿瘤最大直径（D）、是否为孤立肾（S）；孤立肾直接赋3分，其余每项赋1~3分，根据总分分为低（4~6分）、中（7~9分）、高（10~15分）风险组；高ROADS评分与OT、WIT、EBL、并发症率的增加相关，不同风险分组在指导术中缺血技术、手术入路与肾实质切开切口选择方面具有切实可行性；不同风险组的切缘阳性率、复发率无显著差异（P>0.05），证明评分指导下的手术可保证肿瘤控制效果。该评分专门适用于肾窦肿瘤，在血管与集合系统受压中首次将静脉受压纳入评估，有助于解决传统评分在此场景下评估不准、手术规划盲目的问题，不仅预测手术难度，还帮助指导相关手术策略。8.RAL评分系统：完全内生性肾肿瘤（completelyendophyticrenaltumors，CERT）是特殊类型的肾肿瘤，其瘤体完全嵌入肾实质，缺乏视觉定位线索，手术风险与术后肾功能的损害风险均较高。基于3D重建技术的RAL评分系统［36］专门针对CERT开发，弥补了传统评分系统准确度一般、未纳入血管因素的不足；评分整合了3项核心参数，即肿瘤半径（R）、动脉变异（A）和相对于极线的位置（L），每项赋1~3分，相加总分3~9分；分为低危（3~4分）、中危（5~6分）、高危（7~9分）3个组。作者将纳入回顾性研究的80例CERT患者分为3D评分组40例和2D评分组40例，结果显示3D组的OT、EBL和WIT均显著少于2D组，3D组术后eGFR下降幅度低于2D组，在肾功能保护方面优势明显，且3D组切除的正常肾组织边缘显著小于2D组；出现血管变异时，2D组手术的OT、EBL、WIT均显著增加，而3D组的上述指标无明显变化；预测术后eGFR变化的AUC高达0.857，优于R.E.N.A.L.（0.649）、PADUA（0.692）及Cindex（0.680）评分；RAL评分越高，肿瘤的直径越大、OT越长、WIT越久、术后eGFR下降幅度越显著。RAL评分是目前唯一专门用于CERT的3D评分系统，利用3DVM将血管变异纳入评分项，便于提前规划手术、降低手术风险，针对特定复杂亚型评估无专属工具、血管因素被忽视的问题提出了解决方案。四、小结与展望基于3D重建技术的肾肿瘤评分系统以3DVM与专属算法为基础，发挥其客观、精确、全面的优势，术者能够更精准、高效地评估手术复杂程度、围术期指标、术后并发症以及肾功能变化等。评分系统如ADDD、ROADS、RAL等已拓展至更高分期、更复杂及更多亚型的肿瘤，以这些为代表的3D评分系统在评分参数的选择上符合手术决策逻辑，解决了肾实质损伤、动脉阻断、肿瘤暴露难度、术后漏尿风险等手术难点，能直接或间接指导手术入路、切口选择、动脉阻断策略等。此外，DCOM评分系统还纳入了接受根治性肾切除术的患者，满足真实诊疗的术式选择需求。表1总结了不同评分系统的提出年份、适用肿瘤类型及术式、明确预测效能的预测目标与研究类型。然而，3D模型建立需要进行专业培训，建模耗时较长且经济成本较高，且部分建模过程依赖人工，存在一定主观误差。多数研究仅纳入单中心T1期肿瘤和RAPN手术的病例，对于LPN与开放性PN的验证有限。此外，不同评分系统如Tindex、ADDD均包含对术后并发症发生率的评估，但它们的评估维度与技术标准均不相同，缺乏直接的横向对比，无法判断同一预测目标下不同评分系统的效能优劣。目前，RCSA评分系统已经实现算法开源，方便后续研究快速复现结果，而AI的加入提升了建模与评分过程的标准化与自动化，进一步提升一致性、减少主观误差。未来，新提出的基于3D重建技术的肾肿瘤评分系统应坚持回归临床应用的目标，结合AI、低成本开源工具与软件、人员培训，成为标准化、可推广的简易、实用评分工具。同时，应补充多中心、跨术式及长期随访结果的进一步验证，并将评分系统进行横向对比，选出同一目的下最优评分系统，推动评分领域形成单一目的最优评分和整体评估多系统联合评分的合理状态。参考文献[1]BrayF,LaversanneM,SungH,etal.Globalcancerstatistics2022:GLOBOCANestimatesofincidenceandmortalityworldwidefor36cancersin185countries[J].CACancerJClin,2024,74(3):229-263.DOI:10.3322/caac.21834.[2]王磊,力威,李乾,等.基于生殖静脉为导引的“一线一面”精准解剖技术在经腹腔入路腹腔镜根治性肾切除术中的应用[J].中华转移性肿瘤杂志,2024,7(6):588-592.DOI:10.3760/101548-20240330-00062.[3]KlettDE,TsivianM,PackiamVT,etal.PartialversusradicalnephrectomyinclinicalT2renalmasses[J].IntJUrol,2021,28(11):1149-1154.DOI:10.1111/iju.14664.[4]TapperoS,BraviCA,KheneZE,etal.AssessingfunctionaloutcomesofpartialversusradicalnephrectomyforT1b-T2renalmasses:resultsfromamulti-institutionalcollaboration[J].AnnSurgOncol,2024,31(8):5465-5472.DOI:10.1245/s10434-024-15305-w.[5]JiménezMT,CalvoDC,MoscatielloP,etal.Roboticpartialnephrectomyfortreatingrenalmasses:outcomesandcomplications[J].ArchEspUrol,2024,77(8):858-864.DOI:10.56434/j.arch.esp.urol.20247708.121.[6]BuffiNM,SaitaA,LughezzaniG,etal.Robot-assistedpartialnephrectomyforcomplex(PADUAscore≥10)tumors:techniquesandresultsfromamulticenterexperienceatfourhigh-volumecenters[J].EurUrol,2020,77(1):95-100.DOI:10.1016/j.eururo.2019.03.006.[7]HungAJ,CaiJ,SimmonsMN,etal.“Trifecta”inpartialnephrectomy[J].JUrol,2013,189(1):36-42.DOI:10.1016/j.juro.2012.09.042.[8]BaiN,QiM,ShanD,etal.Trifectaachievementinpatientsundergoingpartialnephrectomy:asystematicreviewandmeta-analysisofpredictivefactors[J].IntBrazJUrol,2022,48(4):625-635.DOI:10.1590/S1677-5538.IBJU.2021.0095.[9]AmparoreD,PecoraroA,PiramideF,etal.Three-dimensionalimagingreconstructionofthekidney′sanatomyforatailoredminimallyinvasivepartialnephrectomy:apilotstudy[J].AsianJUrol,2022,9(3):263-271.DOI:10.1016/j.ajur.2022.06.003.[10]AmparoreD,PiramideF,VerriP,etal.Nephrometryscoresbasedonthree-dimensionalvirtualmodelsimprovetheaccuracyofpredictingpostoperativecomplicationsafterroboticpartialnephrectomy:resultsfromacollaborativeERUSvalidationstudy[J].EurUrolOpenSci,2025,74:11-20.DOI:10.1016/j.euros.2025.02.001.[11]YoshitomiKK,KomaiY,YamamotoT,etal.Improvingaccuracy,reliability,andefficiencyoftheRENALnephrometryscorewith3Dreconstructedvirtualimaging[J].Urology,2022,164:286-292.DOI:10.1016/j.urology.2022.01.024.[12]中国抗癌协会泌尿肿瘤专业委员会,中国临床肿瘤学会肾癌专家委员会.三维重建应用于肾脏肿瘤外科手术专家共识[J].中国肿瘤临床,2024,51(10):487-492.DOI:10.12354/j.issn.1000-8179.2024.20240444.[13]叶重义.医学图像的三维重建技术应用[D].沈阳:沈阳理工大学,2023.DOI:10.27323/ki.gsgyc.2023.000749.[14]CheccucciE,PuliattiS,VolpiG,etal.Harnessingadvancedimagingtechnologiesinroboticurologicalsurgeryrequiresspecializedandstructuredtraining[J].EurUrolOpenSci,2025,76:51-55.DOI:10.1016/j.euros.2025.04.006.[15]冀宏,钱旭升,周志勇,等.基于级联多尺度卷积网络的计算机断层扫描图像肾肿瘤自动分割方法[J].生物医学工程学杂志,2021,38(4):722-731.DOI:10.7507/1001-5515.202101044.[16]WoodAM,AbdallahN,HellerN,etal.Fullyautomatedversionsofclinicallyvalidatednephrometryscoresdemonstratesuperiorpredictiveutilityversushumanscores[J].BJUInt,2024,133(6):690-698.DOI:10.1111/bju.16276.[17]BenadibaS,VerinAL,PignotG,etal.AreurologistsandradiologistsequallyeffectiveindeterminingtheRENALNephrometryscore?[J].AnnSurgOncol,2015,22(5):1618-1624.DOI:10.1245/s10434-014-4152-1.[18]WangYD,HuangCP,ChangCH,etal.TheroleofRENAL,PADUA,C-index,CSAnephrometrysystemsinpredictingipsilateralrenalfunctionafterpartialnephrectomy[J].BMCUrol,2019,19(1):72.DOI:10.1186/s12894-019-0504-2.[19]赵伟,李玉侨,黄官礼,等.基于CT数据的三维可视化技术在肾血管解剖变异分析中的应用[J].中华泌尿外科杂志,2023,44(10):742-747.DOI:10.3760/112330-20211213-00640.[20]PiramideF,KowalewskiKF,CacciamaniG,etal.Three-dimensionalmodel-assistedminimallyinvasivepartialnephrectomy:asystematicreviewwithmeta-analysisofcomparativestudies[J].EurUrolOncol,2022,5(6):640-650.DOI:10.1016/j.euo.2022.09.003.[21]张昊,刘鹏,梁芳,等.3D可视化及混合现实技术在肾肿瘤手术治疗和医患沟通中的应用[J].中华泌尿外科杂志,2021,42(12):890-895.DOI:10.3760/112330-20210617-00332.[22]HuangHX,ChenBH,FengC,etal.Usingthree-dimensionalvirtualimagingofrenalmassestoimprovepredictionofrobotic-assistedpartialnephrectomyTetrafectawithSPAREscore[J].WorldJUrol,2024,43(1):37.DOI:10.1007/s00345-024-05344-z.[23]BianchiL,SchiavinaR,BortolaniB,etal.Interpretingnephrometryscoreswiththree-dimensionalvirtualmodellingforbetterplanningofroboticpartialnephrectomyandpredictingcomplications[J].UrolOncol,2021,39(12):836.e1-836.e9.DOI:10.1016/j.urolonc.2021.07.024.[24]OhsugiH,AkiyamaK,TaniguchiH,etal.Tumorvolumeandtumorcrossingoftheaxialrenalmidlinepredictrenalfunctionafterroboticpartialnephrectomy[J].SciRep,2021,11(1):22526.DOI:10.1038/s41598-021-01539-1.[25]XuLQ,LiXF,ZhangYM,etal.Anovelpreoperativeevaluationtechniqueforpartialnephrectomy:three-dimensionalextendedrenaltumorplane[J].WorldJUrol,2024,43(1):44.DOI:10.1007/s00345-024-05395-2.[26]TraversoP,CarfìA,BulantiA,etal.Innovative3Dmethodpredictssurgeryoutcomesbycalculatingrealcontactsurfaceofrenaltumor[J].UrolOncol,2025,43(3):192.e11-192.e19.DOI:10.1016/j.urolonc.2024.10.021.[27]KheneZE,MazouinC,LarcherA,etal.Predictingcomplicationsafterroboticpartialnephrectomy:backtosimplicity[J].EurUrolFocus,2022,8(3):777-783.DOI:10.1016/j.euf.2021.04.017.[28]LiuJC,LiuJ,WangS,etal.Three-dimensionalnephrometryscoringsystem:aprecisescoringsystemtoevaluatecomplexityofrenaltumorssuitableforpartialnephrectomy[J].PeerJ,2020,8:e8637.DOI:10.7717/peerj.8637.[29]BianchiL,SchiavinaR,BortolaniB,etal.Novelvolum