傳統的急性腎損傷（AKI）分類有限，透過生物標誌辨識預測性靶點，可更深入了解AKI病理生理，制定特定治療靶點，提升個人化護理。生物標誌可協助區分不同風險和量身訂製治療策略，重新定義AKI並加強臨床管理。新生物標誌有助預測亞臨床和持續性AKI，引導急性透析決策，辨識AKI亞型。結合生物標誌和亞型分類的管理方法，促進研究與臨床間的連結，快速準確辨識和治療AKI。早期應用腎臟生物標誌進行AKI檢測和護理捆綁，比單獨護理捆綁更有效，邁向精準醫療邁出重要一步。 PubMed DOI

急性腎損傷（AKI）是心臟手術中的一大併發症，但其機制仍不明確，且缺乏特定的生物標記來識別與心臟手術相關的急性腎損傷（CS-AKI）。本研究分析了手術後6小時和24小時的患者尿液樣本，發現AKI患者的尿液代謝物譜有顯著差異，色氨酸代謝和有氧糖解代謝物增加，而脂肪酸氧化和三羧酸循環代謝物則下降。血清肌酸酐與尿液中的色氨酸和吲哚呈正相關，顯示其有潛力成為AKI的預測指標。研究強調了AKI期間腎臟的代謝變化，並提出了早期檢測CS-AKI的潛在生物標記。 PubMed DOI

住院期間的急性腎損傷（AKI）會顯著提高併發症和死亡率風險。研究分析了56,820名成人患者的數據，發現24.5%的患者有AKI，其中只有3.3%被正確診斷為完全AKI，68%的AKI病例未被檢測到。與完全AKI患者相比，未檢測的AKI患者年齡較輕、合併症較少，死亡率也較低。這項研究強調了住院患者中AKI識別的差異性及未檢測病例的普遍性，顯示準確診斷AKI對改善患者結果的重要性。 PubMed DOI

這項研究探討了十九種血清和尿液生物標記，旨在改善對肝臟移植（LT）患者重度急性腎損傷（AKI）及腎臟替代療法（KRT）需求的預測。研究對100名LT患者進行，結果顯示36名患者在手術後一週內出現重度AKI，34名需要KRT。主要發現包括：手術前尿液中NGAL和L-FABP能以75%準確率預測KRT需求；而手術後48小時內尿液滲透壓、KIM-1和TIMP-1的組合可達80%準確率預測重度AKI。尿液滲透壓單獨評估的準確率更高，達83%。研究建議進一步探討這些生物標記對AKI進展的影響。 PubMed DOI

這項研究透過血清代謝組學來找出慢性腎病（CKD）的生物標記。研究團隊分析了194名非透析CKD患者和317名健康對照者的血清樣本，發現兩者之間的代謝特徵有顯著差異，識別出314種改變的代謝物，其中179種在CKD患者中上升，135種下降。主要受影響的代謝途徑包括精氨酸生物合成和苯丙氨酸代謝等。隨機森林模型的診斷效能高，顯示這些代謝物可能有助於改善CKD的管理，值得進一步研究。 PubMed DOI

這項研究顯示尿液細胞角蛋白20 (CK20) 是預測急性心臟衰竭患者從急性腎損傷 (AKI) 轉變為慢性腎病 (CKD) 的重要生物標記。研究包含279名測試組和206名驗證組患者，發現有41%患者在90天內出現AKI-CKD轉變或死亡。尿液CK20在AKI診斷時達高峰，並持續升高14天。其預測能力強，主要結果的AUC達0.82，並在臨床評估中顯著提升至0.90，顯示其在臨床應用中的潛力。 PubMed DOI

急性腎損傷（AKI）是一種腎功能快速下降的臨床狀況，受到多種因素影響。了解AKI的機制對於發現新生物標記和治療選擇非常重要。近期技術進展，如組學、影像學、奈米醫學和人工智慧，增進了我們對AKI的認識，並揭示了潛在的治療方案。這篇綜述將介紹這些創新方法的最新發展及其在改善AKI患者護理中的應用潛力。 PubMed DOI

這項研究旨在找出能預測急性腎損傷（AKI）後慢性腎病（CKD）長期風險的臨床變數和生物標記。研究分析了723名住院AKI患者的數據，使用機器學習技術預測三年內的重大不良腎事件（MAKE）。結果顯示，28%的患者在三年內發生MAKE，且預測模型表現良好。重要的預測因子包括白蛋白尿和利尿劑使用。研究結論指出，結合臨床數據和生物標記能有效識別高風險患者，促進個性化護理，改善長期結果。 PubMed DOI

急性腎損傷（AKI）是一種常見的情況，會增加健康風險和醫療成本。早期檢測和管理對改善病人結果非常重要。近期在腎臟影像學和組學技術的進展，雖然增強了我們對腎損傷的理解，但也帶來了挑戰。這篇綜述探討了基於質譜成像的空間代謝組學在研究缺血和毒素引起的AKI的應用，提供了對病理生理學的見解，特別是脂質代謝和能量轉換的變化。持續的研究對於推進腎損傷的診斷、機制和治療至關重要。 PubMed DOI

這項多中心研究發現，心臟手術後早期測量尿液細胞角蛋白20（uCK20），能有效預測哪些病人較容易發生嚴重急性腎損傷（AKI）及30天內重大腎臟不良事件。uCK20的預測能力比現有腎損傷指標更好，納入臨床評估後能大幅提升風險判斷準確度，外部驗證也證實其效果，有望成為術後早期預測AKI的重要工具。 PubMed DOI