近期腎臟病理生理學的進展受到人工智慧（AI）的影響，為腎臟疾病的理解與管理開啟新方向。AI在風險分層、預後評估及腎臟腫瘤學中發揮重要作用，能更準確預測疾病進展。儘管如此，數據整合和倫理問題仍是挑戰。未來需進行實施研究，將AI算法有效轉化為臨床實踐，並整合各類數據，以提升腎臟病的診斷與治療策略。 PubMed DOI

腎臟精準醫學計畫（KPMP）旨在透過分析來自急性腎損傷（AKI）或慢性腎臟疾病（CKD）患者的人類腎臟活檢樣本，來研究腎臟疾病。本文介紹了一位66歲女性的案例研究，她患有糖尿病腎病，接受了KPMP腎臟活檢。患者有多重病史，活檢顯示她患有糖尿病腎病和動脈硬化。透過先進的影像技術和分子分析，有助於更深入了解疾病情況。 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

這項研究使用卷積神經網絡來自動分割移植活檢中的腎小球細胞和毛細血管，以評估它們與移植功能的相關性。結果顯示某些細胞密度與腎功能參數之間存在關聯。將這些細胞進行自動分割可能成為未來移植器官失敗風險的潛在標誌。 PubMed DOI

腎臟病理學利用深度學習改進研究和診斷，有望革新病理學實踐。深度學習模型應用於預測腎臟疾病進展和診斷疾病，但仍需更多證據和現實測試。深度學習有潛力提升腎臟組織學分析，對腎臟病理學研究和臨床診斷有幫助，未來仍有更多潛力可挖掘。 PubMed DOI

基於卷積神經網絡的ARPS系統在原發性免疫球蛋白A腎病患者中成功應用，並在移植物免疫球蛋白A腎病患者中表現良好。研究顯示ARPS能準確識別病變和細胞，並與病理學家評估一致。數字病理特徵與臨床數據相關，ARPS在預後預測方面有潛力。 PubMed DOI

這項研究探討了在急性腎損傷（AKI）背景下，如何利用纖維母細胞活化蛋白（FAP）影像學來預防和早期治療器官纖維化。主要發現包括：FAP在腎損傷後上調，與纖維母細胞活化及慢性腎病進展有關；在小鼠模型中，FAP持續上調與纖維化結果相關；利用PET/CT結合FAP抑制劑可非侵入性追蹤修復過程；臨床上，FAP影像能有效預測腎纖維化。這顯示FAP影像在監測腎損傷修復及臨床決策中具有潛力。 PubMed DOI

「Galileo」AI工具的開發目的是幫助病理學家解讀腎臟活檢，因為專家人數有限。一項多中心研究收集了腎臟活檢的影像，並訓練深度學習演算法來識別重要的病理特徵。該模型在訓練集上達到高精確度（81.96%）和靈敏度（94.39%），雖然驗證集的結果稍低，但仍然令人鼓舞。這個AI工具能將解讀時間縮短至2分鐘，相較於人類病理學家的22至31分鐘，顯著提高效率，可能改善腎臟移植的存活率。 PubMed DOI

這項研究探討了腎小球中特定細胞的分子特徵，結合了基質輔助雷射脫附/電離成像質譜（MALDI IMS）和多重免疫螢光（MxIF）技術。重點在於了解這些特徵在疾病，特別是糖尿病腎病中足細胞喪失的變化。研究揭示了腎小球內脂質的異質性，並利用機器學習技術進行細胞類型的識別，促進了與腎小球細胞及其微環境的分子標記發現。這些成果對於理解腎臟疾病具有重要意義。 PubMed DOI

這篇評論指出，腎臟活檢的處理方法不一致，影響了組織學解讀和器官分配決策。隨著人工智慧（AI）在數位病理學的應用，這為解決這些問題提供了機會，特別是在器官短缺的情況下。活檢技術、處理方式和病理學家的專業知識差異，妨礙了研究的比較和重現性。雖然AI工具在標準化評估上有潛力，但因缺乏與移植後結果的驗證，臨床應用仍有限。未來研究應聚焦於大型數據集和嚴謹驗證的縱向研究，以確立AI工具的臨床效用。 PubMed DOI