白癜风好不好治 https://m-mip.39.net/news/mipso_6288655.html医学的创新离不开时代的发展。医学研究已经进入到了大数据精准融合并行的时代，对数学模型、信息材料科学的依赖越来越强。在近日召开的中华医学会肾脏病学分会（CSN）大会上，中国工程院院士、医院副院长刘志红院士作了题为“人工智能：医学发展的新动力”的报告，刘院士强调，当今的医学发展已经步入人工智能（AI）时代，并分享了机器学习在肾脏病领域中的应用。
人工智能深度学习推动着肾脏病诊疗的发展
医学研究很多时候是一种关联性分析，但在很多方面我们很难做到明确定量。随着疾病规模化前瞻性临床队列和大规模的人群普查的数据越来越多，借助人工智能（AI）这种强大的算法，有可能推动生物医学真正实现数据化和定量医学。人工智能将成为拓展人类科学知识边界的重要工具之一，能够帮助我们跳出当前的认知范畴，更深层地理解和处理生命复杂信息。
与众多其他医学专业学科一样，肾脏病学领域临床实践和研究也能借助AI实现疾病预测、预后分析、患者分群、辅助诊断、指导治疗，以及基因组医学的研究。以人工智能在急性肾损伤（AKI）预测方面的研究为例，AKI是一种潜在的威胁生命的疾病，目前AKI的诊治主要是基于血清肌酐水平的变化。但血清肌酐水平的升高滞后于肾脏损伤，依据血清肌酐水平变化明确AKI诊断和治疗，往往导致治疗延迟。美国的退伍*人电子健康记录分析显示，通过借助人工智能深度学习方法，可以提前48小时预测急性肾损伤的发生风险，这将很大程度上改变AKI的防治思路和治疗预后。
人工智能在肾脏替代治疗过程中的应用探索
随着研究的不断推进，人工智能已经触及到了许多重要的肾脏病治疗领域。
年发表于IntJMedInform的一项研究揭示，应用人工神经网络方法预测患者肾移植后的eGFR水平，可帮助评估肾移植受者肾功能下降风险的严重程度，有助于临床医生及时作出个体化的决策，减少移植失败的可能性。
年发表KidneyInternational一项研究，研究者在血液透析治疗过程中通过机器学习方法构建决策支持系统（ACM），辅助医生推荐合适的促红素药物剂量，将血红蛋白值稳定保持在目标范围中，从而降低EPO的使用率，提高达标率，减少血色素的波动。
年发表于KidneyInternational的一项研究中，研究者通过机器学习方法，基于人类免疫系统对不同类型微生物所做出的特异性免疫反应，鉴定出腹膜透析患者感染腹膜炎的致病菌生物类型，从而证明了开发快速的病原体特异性诊断方法的可行性。
刘志红院士团队在肾病领域AI应用方面的研究成果
刘志红院士既往发表的一项长期队列研究数据显示，IgA肾病患者的20年肾脏存活率为64%，36%的患者将进入终末期肾功能衰竭。识别高危人群，实现分级诊疗和分层管理是IgA肾病管理的重点和难点。刘志红教授所率领的团队利用多例IgA肾病患者的完整数据，构建了IgA肾病预后预测体系——南京IgA肾病危险分层系统。相关研究报告于年发表在AJKD上后。同期刊发的述评对该项研究成果予以高度评价，指出南京IgA肾病风险分层系统是迈向肾脏疾病精准医学的重要一步。近期马上就要公布的KDIGO更新版指南在IgA肾病的预后方面，推荐在IgA肾病诊断明确后，使用NJIgAN-RSS模型来对患者的预后进行预测，这毫无疑问将有助于进一步提升IgA肾病的个体化治疗和管理。
狼疮性肾炎临床病理表现多样，治疗反应及预后不一。狼疮性肾炎复发率高，复发与狼疮性肾炎治疗不良反应和预后不良密切相关。为此，刘志红院士及其团队专家构建了XGBoost预测模型，纳入相关指标，建立了狼疮性肾炎复发风险分层系统在线开放平台，为临床针对性的解决狼疮性肾炎的复发起到了重要作用。
为评估免疫抑制剂治疗在IgA肾病患者中的疗效和安全性，刘志红院士团队建立了IgA肾病患者免疫抑制剂治疗获益人群筛选的模型，年基于肾活检研究结果，刘院士提出了“基于肾组织活动性病变选择免疫抑制治疗”的新观点。年开展前瞻性多中心RCT研究对这一假说进行了验证，结果发现，具有活动性病变（新月体病变、尿蛋白增高）的患者接受免疫抑制剂治疗的获益最大。分层治疗的疗效明显改善。通过建立IgA肾病患者免疫抑制剂治疗获益人群筛选的模型该项研究结果同样受到国际
