持續性腎臟替代療法（CRRT）對急性腎損傷的重症病患至關重要，近期對於人工智慧（AI）在CRRT應用的研究逐漸增多。一項回顧文獻發現，十篇相關研究中，2021年的發表特別突出，60%的研究專注於機器學習模型，旨在提升CRRT的效果。主要研究方向包括早期指標、預測死亡率及腎臟恢復等，但文獻中也指出缺乏前瞻性驗證及偏見問題。儘管研究增多，仍需進一步探索AI如何改善臨床決策及CRRT的整體流程。 PubMed DOI

人工智慧（AI）在腎臟科，特別是預測住院急性腎損傷（AKI）方面的應用逐漸增多。近期的進展促使多種AI技術發展，提升了不同醫院對AKI的檢測能力。這篇綜述探討了AKI風險預測的演變，對比傳統靜態風險評估模型與新興的AI方法。雖然目前對這些AI模型在臨床應用及病人結果的數據仍有限，但文章對AI在AKI檢測和管理的未來持樂觀態度。 PubMed DOI

電子健康紀錄（EHRs）中的非結構化數據包含重要的病患資訊，自然語言處理（NLP）能有效提取這些數據，省去手動檢查的麻煩。NLP首先對文本進行預處理，強調關鍵術語，並去除不相關信息。現代NLP利用機器學習和深度學習技術，能更好理解上下文。 在腎臟病研究中，NLP能準確識別慢性腎病（CKD）及提取病患症狀，並指出與急性腎損傷和CKD進展相關的特徵。儘管NLP潛力巨大，但在臨床應用上仍緩慢，主要因為缺乏外部驗證。NLP能從自由文本中提取關鍵資訊，卻在腎臟病領域未被充分利用。 PubMed DOI

這項研究探討了大型語言模型ChatGPT在腎臟科病例分診的有效性，特別是在因人口老化導致腎臟問題增加的情況下。兩位腎臟科醫生設計了100個病人情境，結果顯示ChatGPT在判斷腎臟科需求的準確率高達99-100%，選擇正確子專科的準確率為96-99%，兩輪評估的協議率為97%。雖然結果顯示AI能提升醫療分診的效率與準確性，但仍需改進在複雜病情的多學科護理整合方面。整體而言，研究強調了AI在改善臨床決策及發展量身訂做的分診系統的潛力。 PubMed DOI

本研究針對1993至2023年間的890篇文獻進行分析，探討人工智慧（AI）在腎臟移植中的應用，這對末期腎病（ESRD）治療至關重要。透過CiteSpace和VOSviewer等工具，識別全球趨勢及主要研究領域。美國，特別是梅奧診所，成為主要貢獻者。研究主題包括AI在捐贈者配對、深度學習在移植後監測及機器學習在個性化免疫抑制中的應用。自2017年以來，AI應用顯著增加，未來趨勢指向個性化醫療及遠程醫療。本綜述為研究人員和臨床醫生提供了重要資源，並建議未來研究方向。 PubMed DOI

醫學教育的數位轉型正在改變腎臟科的臨床技能教學，特別是床邊超音波（POCUS）。梅奧診所的腎臟科專科訓練計畫推出了一個AI驅動的課程，結合人類專家與先進AI模型（如GPT-4.0），進行多次迭代修訂。這個課程涵蓋核心主題、各種教學方法及評估工具，並強調質量保證與臨床應用。AI與專家的合作確保了課程的實用性與教育品質，未來研究將評估其對臨床能力及病人結果的影響。 PubMed DOI

慢性腎臟病（CKD）是全球公共健康的重大挑戰，導致心血管疾病和死亡率上升。為了改善CKD管理，這篇回顧分析了2014至2024年間41篇文章，探討人工智慧（AI）在早期檢測、風險預測、治療建議及病人護理中的應用。研究顯示，AI能有效提升病人結果，但實施過程中面臨數據質量、模型準確性及工作流程整合等挑戰。成功整合AI需醫療界、研究者及監管機構的合作，以確保病人安全和法律合規。 PubMed DOI

隨著影像檢查普及，腎細胞癌被診斷的案例增加，分辨腎臟良性或惡性病灶變得更重要。AI技術（像機器學習、深度學習）已廣泛應用於腎臟病灶的偵測與分類，協助診斷和個人化治療。雖然AI展現潛力，但仍面臨資料差異、可解釋性及發表偏差等挑戰。 PubMed DOI

這篇論文探討大數據在腎臟科的應用，強調資料整合、標準化和高效分析技術，像是預測分析和大型語言模型。內容也提到高效能運算對臨床決策的幫助，並總結目前進展與未來發展，期望提升腎臟病患的照護品質與研究成效。 PubMed DOI

AI 正在翻轉腎臟科，協助提升腎臟病的診斷、預測和治療，但臨床應用還有資料品質、偏誤和透明度等挑戰。文章提出用 TRIPOD-AI 檢查表來審查 AI 研究，強調資料完整、模型驗證和倫理。建議多元資料和多中心驗證來減少偏誤。未來會結合多種資料、深度學習影像、穿戴裝置和更智慧的決策系統。 PubMed DOI