随着对人工智能（AI）研究的深入，AI 的触角已经向人们日常生活的每一个角落延伸，医疗行业也一样。在肾脏病领域，AI 越来越多地被用于各种肾脏疾病的诊断和预后判断。
美国佛罗里达大学医学系 Parisa Rashidi 以及 Azra Bihorac 教授撰写专题文章，回顾了 2019 年 AI 在肾脏病领域的运用，文章发表于近期的 nature reviews 子刊。
肾脏疾病是一个重要的全球健康问题。美国有七分之一的成年人患有肾脏疾病，肾病是 10 种主要的死因之一，肾脏疾病的花费占整个医疗保险支出的 23%。但即使如此，仍有半数患者对自身疾病没有引起足够的重视。美国卫生和公众服务部发起的「促进美国肾脏健康」倡议将肾脏疾病的防治作为最优先考虑的项目。这一大胆的呼吁旨在减少肾衰竭风险，促进建立以人为本的护理体系，改善包括肾移植在内的治疗流程，提高医疗质量。为了达成这个目标，就需要使用更加先进的诊断、预防及治疗手段，来提高对急性肾损伤（AKI）和慢性肾病（CKD）的认识。
电子健康数据
在美国，约四分之一的住院病人会发生 AKI。这些患者花费了大量的医疗资源，预后较差，可惜的是医患双方都没有意识到这一点。
术中生理信号
肾脏超声图像
肾脏领域里，利用 AI 对医学图像进行分析非常具有前景。Kuo 等人开发了一个模型，可以利用肾脏超声图像来自动估计肾小球滤过率（eGFR）和 CKD 状态。他们利用超声图像测量肾脏长度，并转换为 eGFR。利用模型得出的 eGFR 和利用血清肌酐计算出来的 eGFR，两者的相关系数为 0.74，最主要是缺乏评估 GFR 的金标准。以模型计算的 eGFR < 60 ml/min/1.73m2 认定为 CKD 状态，这样的话，该模型的 CKD 状态判断准确率为 85.6%。而把这些超声结果给 4 位经验丰富的肾脏病学家，请他们对 CKD 状态进行判断的话，准确率只有 60.3%～80.1%。该模型特异性高（92.1%），敏感性中等（60.7%）。这件事情说明，AI 在肾脏超声图像的扩展应用方面很有前途。
肾脏组织病理
这些最新的方法为评估不同环境下的肾脏健康提供了更精确、更有效和更方便的方法。尽管最近取得了一些进展，但 AI 在肾脏病的应用仍然面临许多挑战。目前，AI 主要还只能使用一种类型的数据（如图像、生理信号或临床数据等）。我们期望未来的 AI 模型能够集成多种数据，以提高它们的可靠性和准确性。
必须将具有代表性的患者群体纳入这些模型，以实现模型公平性，并解决基于性别、种族或其他因素的偏倚。开发 AI 模型，要围绕以人为中心，为肾移植提供更好的建议。
AI 的发展还将依赖于智能和互联健康领域的颠覆性创新，特别是能够准确获得门诊和住院患者精细数据的传感器。
AI 模型需要在前瞻性和多中心验证研究中进行客观评估，为肾脏病 AI 算法的转化研究和 FDA 批准铺平道路。
参考文献
Artificial intelligence approaches to improve kidney care.Nature Reviews Nephrology (2019)，Published: 23 December 2019
肌酐
编辑 | 徐德宇返回搜狐，查看更多
责任编辑：