急性肾损伤（AKI）在ICU重症患者中发病率高，发生率约为50%以上。其中约10%需要肾脏替代治疗（RRT），而75%的RRT采用连续性肾脏替代治疗（CRRT）；CRRT可在血流动力学不稳定或高分解代谢状态下稳定地管理液体和溶质，但患者接受CRRT的病死率仍超过50%。CRRT治疗过程复杂、成本高，需专门设备和多学科协作；何时开始和终止CRRT缺乏明确指南，临床决策困难。为此，人工智能（AI）被寄予厚望，以提高CRRT决策的及时性和精确性、优化治疗参数，辅助监测减少并发症。

何时启动CRRT是AKI治疗的关键难题。AI模型被用于预测CRRT的启动需求和时机：Guru等开发了一个自动算法连续扫描ICU电子病历，以识别符合CRRT指征的患者，在体外膜肺氧合患者中，该算法与人工审查结果高度一致（一致率约89%，Kappa值0.99），且能够实时发现90%的CRRT候选者。Roy等使用深度学习SeqSNR模型在MIMIC数据库上预测ICU中的CRRT启动需求，结果显示针对CRRT等多重临床终点的预测性能优于传统机器学习模型，这些模型通过整合患者生命体征、实验室指标、病情评分等大量数据，能够更早、更准确地提示CRRT启动指征。AI辅助决策有望解决“早启vs晚启”争议，通过客观数据支持医生在最佳时机启动CRRT。

CRRT治疗过程中需根据患者状态持续调整参数（如超滤量、血流速率、透析液剂量等），以维持体液、电解质和酸碱平衡。然而手工监测调整工作量大、反应滞后，对此AI可发挥巨大作用。研究已探索AI实时监控并自动优化CRRT参数的可能性。在液体管理上，CRRT的超滤量需根据患者血流动力学和液体平衡目标调整；有研究提出将AI与无创血流动力学监测设备相连，实时评估容量状态并指导CRRT超滤速率调整，以更严格地达成液体管理目标；未来随着闭环控制算法和物联网技术的发展，有望实现CRRT机器根据AI建议自动调整参数的智能闭环治疗。

人工智能正逐步拓展CRRT在AKI治疗中的边界，在若干方面呈现出实践突破的苗头：预测决策上，AI模型能够早期识别需要CRRT的患者，提高启动时机的把握；治疗优化上，智能算法可辅助微调CRRT参数，减轻人工负担并降低并发症风险；流程改进上，AI驱动的工具已在资源调配和决策支持中展现出实用价值。随着计算医学和肾脏重症医学的深入融合，相信AI将推动CRRT在AKI治疗中实现从经验依赖向数据驱动的转变，真正达成“精准、智能、个体化”的肾脏替代治疗新时代。