在腎臟學領域，AI技術被用來預測住院型急性腎損傷（AKI），提升患者檢測。從傳統模型到現代AI方法，AKI風險預測不斷演進。雖然AI在AKI檢測方面有改進，但在臨床實踐和患者結果方面仍缺乏數據。AI在AKI護理的應用仍在初階階段，該評論總結了現有進展和未來潛力。 PubMed DOI

糖尿病腎病（DKD）是造成腎衰竭的主因之一，也增加心血管問題和死亡風險。傳統治療針對控制高血糖和高血壓。新療法如SGLT-2抑制劑和GLP-1受體激動劑，顯示在降低併發症方面有潛力。其他藥物如鉀利尿激素受體拮抗劑也證實有益。先進技術和個人化方法，包括轉錄體學和人工智慧，有望更深入了解和治療DKD。個人化護理或許能改善DKD管理。 PubMed DOI

近年來，生物學和精準醫學的進步，讓機器學習在腎臟研究中扮演重要角色。應用包括從影像數據中分析腎臟結構，以及利用電子健康記錄預測急性腎損傷或慢性腎病等。儘管機器學習有潛力改革腎臟學，但面對腎臟複雜性、疾病重疊表現、資金有限和認知挑戰，應用進展緩慢。本篇評論旨在介紹機器學習在腎臟研究的應用，並探討相關挑戰和限制，期望鼓勵腎臟研究社群積極採納機器學習，促進對腎臟疾病的理解和患者護理的改善。 PubMed DOI

目前診斷和分期糖尿病腎病的方法有限，採用系統腎臟學方法，整合臨床、影像、組織病理學和分子數據，以及機器學習等技術，可提供個性化DKD護理，有助於針對患者的有針對性治療。 PubMed DOI

腎病理學中的AI應用快速增加，尤其在影像分析和非腫瘤樣本上。合作跨領域專家對開發有效AI工具至關重要。研究主要在美國進行，並朝向更複雜的任務，如深度學習多染色分類。 PubMed DOI

人工智慧和大數據分析在腎臟病學和透析領域有潛力改變醫療實踐，提高診斷準確性、早期檢測、個性化治療，以及識別護理效率低下。調查顯示醫師認為人工智慧可減少醫療錯誤，但仍擔憂治療一致性、隱私和病人護理。克服這些擔憂對整合人工智慧在腎臟病學中至關重要。 PubMed DOI

人工智慧（AI）是模仿人類智慧並學習的機器，已廣泛運用在日常生活中，從搜尋引擎到家用助理。在醫療保健領域，AI可增強臨床護理和研究，特別在腎臟學的診斷、治療和預測方面。AI透過辨識患者數據中的模式提高診斷準確性，早期發現腎臟疾病並獲得更好結果。然而，需克服數據質量、隱私、偏見和法律等挑戰。訓練腎臟學家掌握AI基礎知識對發揮其在個人化醫療的潛力至關重要。歐盟提出的規定旨在確保醫療保健領域實施安全和道德的AI。 PubMed DOI

敗血症引起急性腎損傷（SA-AKI）是危重病患常見併發症，增加死亡率和醫療成本。傳統方法預測SA-AKI效果參差，因此引起對使用人工智慧（AI）和機器學習（ML）進行更準確預測的興趣。像XGBoost和RNN-LSTM等ML模型在預測SA-AKI和死亡方面表現優異，超越傳統風險評估。AI/ML可量身訂製護理、優化治療，改善SA-AKI患者結果。然而，需克服數據隱私和監管合規挑戰。AI/ML可提早檢測風險、個人化管理，應對SA-AKI。未來發展包括實時監測和預測演算法，以便及時介入，但成功實施需持續改進模型和監管監督。本文探討AI/ML如何改革SA-AKI護理。 PubMed DOI

腎臟科的研究越來越重視複雜的分子系統及其與疾病和治療的關聯。隨著組學科學和數位健康的進步，研究變得更依賴數據，並需要強大的計算工具來處理新生物標記。人工智慧（AI）和機器學習（ML）在分析各類數據上展現出優勢，但目前只有少數基於ML的醫療決策系統經過驗證可用於臨床。為了有效整合新發現，需發展可解釋的ML方法和個人化醫療策略。AI驅動的「智慧腎臟科」仍在起步階段，面臨數位鴻溝等挑戰。這篇社論探討了AI在腎臟科的應用，並介紹了相關特刊。 PubMed DOI

這篇評論探討了人工智慧（AI）在重症護理腎臟科的進展與應用。AI 演算法能提升早期檢測、風險預測及個性化治療，特別是在急性腎損傷（AKI）管理上。機器學習模型可在血清肌酸酐變化前預測 AKI，而大型語言模型則能自動生成臨床筆記和患者教育材料。儘管如此，為了發揮 AI 的潛力，仍需解決數據質量和倫理等挑戰。成功整合 AI 需要腎臟科醫生、重症醫師與 AI 專家的合作與持續教育。 PubMed DOI