《2021人工智能在肾脏病学领域的应用》由会员分享，可在线阅读，更多相关《2021人工智能在肾脏病学领域的应用（5页珍藏版）》请在装配图网上搜索。
1、2021人工智能在肾脏病学领域的应用人工智能（AI）发展至今已有60余年历史。受计算机软硬件技术飞速发 展、网络信息化建设普及以及数据化信息采集系统全面应用的推动，AI从最 初的法则学派逐渐进展到目前以逻辑推理、数据驱动和强化学习为三大主流 方法的机器学习范式。其中，以数据驱动为核心的机器学习在医学领域应用 尤其重要，被广泛应用于基础医学、转化医学、临床医学研究与决策。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实现改善诊断、预测疾病风险和协助疾病综合管理等目的。此外，AI在 肾脏病学基础研究领域也有所应用。疾病的辅助诊疗图像识别技术是AI辅助诊断肾脏疾病的基础之一。人
2、们开发了多种识别 肾活检切片上不同感兴趣区的算法模型，已能识别肾单元、肾小球等。初步 研究表明，图像识别技术能区分糖尿病肾脏和非糖尿病肾脏的肾小球。这些 工作为进一步实现自动化阅片奠定了基础。在影像学方面，AI模型不仅可 用于诊断肾脏肿瘤和前列腺癌，还可用于正常肾脏和患病肾脏的自动分段定 量分析。此外，AI处理复杂数据的强大能力可用于建立临床预测模型，例 如根据临床指标预测肾脏病理类型、肾小球滤过率（eGFR ）等，均具有较 高准确性。肾结石的AI预测模型准确性甚至高达97.1%。早发现、早治疗对改善隐匿性肾脏疾病的预后有重要意义，AI有助于利 用现有临床指标早期诊断慢性肾脏病。2013年，法
3、国研究者利用Bayesian 网络算法建立了 IgA肾病诊断模型，该模型的敏感性和特异性 可分别达到 100%和73%。2014年，Huopaniemi等人发表了基 于eGFR预测值的慢 性肾脏病(CKD )预测模型具预测结果与真实eGFR改变差异在12 ml/(min1.73m2范围内。该模型随后经进一步改进后可提前1.5年 预测eGFR 下降。2016年，我国研究者建立了 CKD非线性支撑向量机模型，经改进 后诊断准确性高达98.5%。疾病风险和预后的预测风险预测也是AI在肾脏病领域的研究热点，主要集中在预测急性肾损伤 (AKI )和CKD进展两方面。AKI是临床常见且严重的病症，改善全球
4、肾脏病预后组织发布的AKI指南 将AKI定义为满足以下任意一条:48 h内血肌酐增高0.3 mg/dl(26.5 pmol/L );血肌酐增高至基础值的1.5倍及以上，且明确或经推断其发生 在之前7d内；持续6 h尿量v 0.5 ml/ ( kgh )。近几年，住院患者尤其是 危重症患者常见的并发症发病率在全球呈上升趋势。AKI患者预后差，死亡和终末期肾病(ESRD )风险高，住院花费高。我 们对765项研究进行荟萃分析，共纳入77 393 454例住院患者。结果发现， AKI发生率为21.0% ,透析率为2.0% (占AKI的11% );病死率为21.0% , AKI 3期病死率达42.0%
5、，肾移植治疗患者高达46%。AKI的病因和发病机制复杂，众多因素影响其进程。鉴于AKI的严重威胁，国际肾脏病学会于2013年发表了 “0 by 25”人 权案例声明，到2025年，低资源地区不应该有患者因未经处理的AKI而死 亡。该声明希望通过呼吁全球战略，力争到2025年全部AKI患者均能得到 合理的诊断和治疗，特别强调需关注低收入国家和中等收入国家的患者。但 我们的调查显示，住院患者中仍然有高达3/4的AKI患者没有得到诊断，缺 乏合理的处理和监测，这必然会影响患者预后。如何早期发现及科学管理 AKI，仍然是临床的难题。针对上述情况，目前已发表了多款AKI的AI预测模型，包括预测外科大 手
6、术或心脏介入手术后AKI风险、老年人群中AKI风险、烧伤后AKI风险 等，具有较高的准确性和区分度。基于电子病历数据库的AKI预测模型也能 实现较高准确性。值得指出的是，研究发现AI模型的预测准确性会随时间 推移下降，这提示我们有必要对系统进行定期更新校准。在预测慢性肾脏病进展方面，目前研究以IgA肾病和一般性肾功能减退 为多。2015年，Diciolla等人建立了预测IgA肾病患者最终达到ESRD的 可能性以及未来5年内达到ESRD可能性的模型，其研究成果已被开发成基 于网络的临床诊疗智能决策支持系统(www.IgAN. net)供全球使用。中国 学者对该模型进行了进一步改进，将准确性提高至
7、 97.3%。2019年，我国 刘志红院士及其团队发表了中国人IgA肾病患者的肾功能进展预测模型， 在全家中心1025例患者的外部验证队列中的预测准确性达到84.0%。除此 之外，AI模型还可用于预测治疗结局。例如，预测超声波体外碎石后无结石 状态、肾移植后肾功能延迟恢复等。但这些模型的临床预测价值仍需进一步 验证。综合治疗的管理AI在CKD治疗中的应用主要集中在ESRD患者贫血管理方面。2007年， Gaweda等人首次开发出用于预测慢性血液透析患者维持达标范围内血红蛋 白需要的促红素剂量模型。对该模型的随机对照临床试验证实，该模型相比 传统管理方案能显著提高透析患者的血红蛋白达标率。其他类
8、似预测模型也 获得了良好结果。未来，这种基于AI模型的贫 血管理方案可能对实现ESRD 患者贫血的个体化管理和治疗具有较大帮助。此外，还有研究利用AI模型预测肾移植患者他克莫司的稳定剂量和生物 利用度，利用人口统计学和临床指标预测他克莫司血药浓度，联合临床和基 因多态性研究他克莫司生物可利用度的影响因素，最终达到辅助临床管理的 目的。其他方面AI在肾脏病学领域的应用还体现在对药物性肾损伤的研究上，包括预测 药物性肾毒性、探索药物性肾损伤部位和机制以及开发治疗靶点等，都取得 了一定成果。此外，AI模型还可用于肾脏病相关的流行病学研究。例如，2016年 Vemulapalli等人利用Bayesia
9、n算法对美国医疗保险和医疗补助中心数据 进行常见疾病危险因素筛查，意外发现CKD与支气管哮喘呈显著相关性。该 研究结果不仅印证了此前支气管哮喘患者CKD发生率高的流行病学调查结 果，也提示我们AI模型在寻找疾病潜在危险因素方面的应用价值。小结与展望我们应当认识到，AI应用受到训练数据质量和数量限制。若训练数据质 量欠佳或不具有代表性，所得出模型的应用价值将极为有限。数据的各种偏 倚和噪音，不仅给数据处理造成困难，还会导致模型难以推广应用。随着今 后算法的优化和数据梳理方案的改进，这些问题有望得到进一步解决。此外，AI应用势必伴随一系列伦理和法律法规问题。如何将AI应用整合 至临床工作流程中来，目前也缺乏有效合理的规范与规定。这些都是我们在 大规模应用AI之前需要考虑和解决的问题。
2021人工智能在肾脏病学领域的应用
