山西省人民医院  李荣山

人工智能（AI）作为计算机科学的重要分支，是通过算法模拟人类智能的复杂技术体系，核心涵盖机器学习、深度学习等关键模块，凭借数据处理、模式识别与自主迭代能力，在多个领域实现突破性应用。在医学领域，AI的赋能价值尤为凸显，在人形机器人、药品材料分子、医疗大数据、创新仪器设备、医疗辅助决策、医疗领域大模型中发挥了重大的作用。其应用已渗透医疗全链条，为行业发展注入强大动能，成为破解临床难题、提升医疗质量的重要支撑。

AI在肾小球疾病中的应用

1.糖尿病肾病（DN）领域：DN早期预测方面，LightGBM模型在预测3年DN风险方面最为有效。ERNIEBot 4.0用于早期DN的非指导性患教材料，在准确性、完整性、安全性和患者可理解性方面与医生提供的表现相当，并具有高度的可行性。mGMDH-AFS用来预测DN的药物靶点，实现了高精度。预计2025年开始的AI-READI研究将会为AI数据收集、准备和共享的标准、最佳实践和指南的制定提供依据。

2.IgA肾病领域：AI可以自动识别和分析病理切片，减少人眼评估的误差，发现一些人眼难以察觉的细微病理特征，可提前预测IgA肾病的远期预后，可不依赖肾活检进行IgA肾病的早期检测。

3.膜性肾病（MN）领域：线上工具“Nephroseq V5 online tool”鉴定出铁死亡相关基因，NR1D1、EGR1、YTHDC2、ZFP36、RRM2、RELA和PDK4可能在调节MN患者的免疫细胞浸润中起关键作用。EGR1、PDK4和ZFP36可能在MN肾小管间质损伤中发挥肾脏保护作用。此外，AI指导利妥昔单抗治疗磷脂酶A2受体相关MN，不存在过量用药的风险、剂量不足风险，从而更快地实现病情缓解。

4.其他领域：AI辅助肾脏病理提高诊断的准确性与效率；辅助肾脏CT图像分割，精确测量皮质体积和实质厚度。联合再生医学技术，开发出了可穿戴的“人工肾”。线性回归模型CKD Patch模型提高了CKD患者心血管风险预测的准确性，被2024年KDIGO指南推荐为CKD患者心血管风险的预测工具。“我的肾脏与我”（MK&M）是一款数字健康干预项目，为CKD患者提供专业健康和生活方式教育。最新的模型“XAI-CKD模型”评估CKD预后，与传统模型相比，准确性达到99%。

AI在慢性肾脏病中的应用展望

在CKD管理中，AI将形成“预测-干预-预防”的管理模型，成为强大的“增强智能”工具，赋能医护人员。同时提供更早期的预测与风险分层、高度个性化的治疗与管理方案、智能化的诊断与影像学分析，在透析与移植的优化管理、新药研发中发挥巨大的作用。

总之，AI在未来的CKD管理中，将依托技术迭代与临床数据深度融合，构建起以预测性、预防性、个性化、参与性为核心的智能管理体系，最终推动医疗重心从“疾病治疗”前移到“健康管理”。但需要明确的是，AI始终只是医疗服务中的支持系统，而非替代系统。它虽能高效处理数据、优化诊疗流程，但完全无法替代医务人员在临床决策中对患者病情的综合研判、人文关怀与伦理考量。