壹生资讯-从“辅助工具”到“决策智囊”——东南大学刘必成团队全景解析AI在肾脏病领域的应用与挑战

您已通过HCP身份认证和信息审核

(

从“辅助工具”到“决策智囊”——东南大学刘必成团队全景解析AI在肾脏病领域的应用与挑战

2026-08-15作者：金烷烃资讯

原创

近日，东南大学附属中大医院肾内科刘必成教授团队在《中华肾脏病杂志》（2026年第6期）发表了题为《人工智能在肾脏病学领域的应用现状与挑战》的综述文章。该文系统梳理了人工智能（AI）技术在肾脏病精准诊断、治疗决策、疾病预测、药物研发及医学科研中的研究进展，并客观分析了当前技术向临床转化过程中所面临的实际挑战。

优化数据管理与辅助精准诊断

在临床数据管理方面，自然语言处理（NLP）及大语言模型技术正逐步应用于非结构化电子病历的解析，为构建临床决策支持系统（CDSS）提供了结构化数据基础。

在病理与影像学诊断中，AI展现出较强的量化分析能力。文章指出，针对肾活检病理，深度学习模型已能实现光镜、免疫荧光及电镜图像下肾小球、肾小管间质病变及免疫复合物沉积的自动分割与特征提取，有助于降低人工评估的主观性，提升病理诊断的一致性。在影像学方面，AI算法可辅助超声、计算机体层摄影（CT）及磁共振成像（MRI）进行肾脏结构的自动识别、病灶分类及全肾体积测量，并已在无创评估肾脏纤维化程度（如H-scan超声技术）中进行了初步探索。

支持临床治疗决策与风险预测

随着医疗数据的积累，AI模型正逐步应用于肾脏病的早期筛查与个体化干预。例如，基于眼底图像的深度学习模型已被证实可用于大规模筛查慢性肾脏病（CKD）。在治疗环节，机器学习算法可通过分析临床及病理参数，辅助识别对免疫抑制剂敏感的IgA肾病患者，或预测他克莫司等药物的清除率以指导剂量调整。在透析管理中，循环神经网络等模型可用于预测透析中低血压事件及评估透析充分性。

在疾病预测方面，AI模型通过整合多维数据，为高危患者的早期识别提供了工具。研究表明，针对急性肾损伤（AKI），AI动态模型可提前48~72小时进行风险提示；针对CKD和糖尿病肾病，多中心数据构建的算法能够评估疾病进展及终末期肾病（ESKD）的发生风险。此外，AI结合多组学数据，还协助研究者将CKD划分为不同的分子亚型，揭示了疾病的异质性。

加速药物研发流程与提升科研效率

在肾脏病新药研发领域，AI技术被应用于靶点识别、虚拟筛选及先导化合物设计。例如，通过生成模型设计针对TRAF2 和 NCK 相互作用激酶（TNIK）或SMAD 家族成员 3（Smad3）等靶点的小分子抑制剂，在缩短研发周期的同时，可同步进行药代动力学及药物安全性的初步预测。

在医学科研日常工作中，生成式AI在数据清洗、统计分析辅助及文献处理等方面提高了工作效率。但作者同时强调，研究者需保持批判性思维，审慎评估模型输出内容的准确性，避免过度依赖。

当前挑战与未来发展方向

尽管AI在肾脏病学中展现出广泛的应用前景，但文章指出其在临床落地前仍面临多重瓶颈。

1. 数据标准化不足 现有医疗数据多以临床记录为导向，缺乏面向AI建模的结构化设计，加之跨机构数据孤岛现象，限制了模型的泛化能力。

2. 跨学科协作欠缺 临床需求与算法工程之间存在认知壁垒，导致医学问题难以有效转化为可计算的优化任务。

3. 模型局限性 部分深度学习模型存在“黑箱”特性，可解释性不足，且算法在真实临床环境中的前瞻性验证依然偏少。

结语

未来肾脏病学领域的AI发展需建立高质量、标准化的多源数据融合平台，发展多模态融合与半监督学习技术，并加快培养医学与工程交叉复合型人才，从而稳步推动肾脏病诊疗向数字化与精准化迈进。

参考文献

中国医学论坛报今日肾病整理

200 评论

知情同意书

从“辅助工具”到“决策智囊”——东南大学刘必成团队全景解析AI在肾脏病领域的应用与挑战

热门资讯

关于我们

中国医学论坛报微信矩阵

助力乡村振兴帮扶行动

友情链接