「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

原發性局灶性節段性腎小管硬化症（pFSGS）是一種嚴重的腎臟疾病，常導致腎衰竭，且移植後復發風險高。近期研究利用腎臟類器官技術，探討pFSGS患者血漿對腎臟類器官的影響。結果顯示，pFSGS血漿會損害腎小管上皮細胞，並引發炎症反應。相對而言，非復發患者的血漿則無此影響。接受治療性血漿置換的患者，其血漿對類器官的損害減少，顯示腎臟類器官在預測FSGS復發風險方面的潛力。 PubMed DOI

研究顯示，巨噬細胞與腎小管上皮細胞之間的相互作用在腎臟缺血後的炎症中扮演重要角色，可能導致急性腎損傷（AKI）和慢性腎病（CKD）。腎小管上皮細胞會產生IL-34，促進巨噬細胞增長，進一步加重腎損傷。研究發現缺失Ptprz的小鼠在AKI和CKD階段的腎損傷較少，腎功能保留較好，顯示Ptprz在這些過程中扮演關鍵角色。這些結果對腎臟移植患者的治療具有重要意義。 PubMed DOI

腎纖維化在慢性腎病中扮演重要角色，但目前有效的診斷和治療選擇仍有限。最近研究顯示，RNA結合蛋白（RBPs）在纖維化過程中關鍵。研究人員分析了175個腎纖維化樣本和99個正常樣本，利用生物資訊學和機器學習技術識別重要RBPs。診斷模型顯示高準確性（AUC = 0.899），並得到外部驗證。這些RBPs參與免疫相關通路，並可能成為潛在治療靶點。此研究增進了對腎纖維化機制的理解，並提供了新的生物標記和治療方向。 PubMed DOI

小鼠實驗發現，缺乏netrin-1雖讓腎臟血管分布異常，但平時腎功能沒問題。遇到缺血損傷時，這些小鼠腎損傷較輕，血管也保存較好。代表血管分布不必很精確，腎功能仍可正常，但分布方式會影響受傷反應，對腎臟修復和組織工程有重要啟示。 PubMed DOI

慢性腎臟病常見腎小球硬化、腎小管萎縮和間質纖維化，但相關分子機制還不明。空間代謝體學能分析組織內代謝物分布，協助找出導致這些病變的細胞路徑。本文探討如何用這技術研究CKD病理變化及發展代謝體標誌時遇到的挑戰。 PubMed DOI

這項研究用深度學習分析FSGS和MCD病人的腎臟切片，萃取出腎小管的細部特徵，發現這些AI計算的數據比傳統肉眼評分或臨床資料更能準確預測病情發展和蛋白尿改善。像基底膜變厚、上皮細胞變扁等變化，和較差預後有關，且會隨纖維化加重。AI分析有助提升風險預測，但臨床應用前還需更多驗證。 PubMed DOI

這項研究發現，D-FF-OCT 能在現場快速又準確地評估腎臟切片，不用傳統染色或繁瑣前處理。它在判斷間質纖維化、腎小管萎縮等重點病變上，和傳統組織學高度一致。雖然部分結果還需再確認，但 D-FF-OCT 已展現出成為快速、無標記腎臟病理檢查新工具的潛力。 PubMed DOI

這項研究發現，利用進階CT影像分析（radiomics）可以比傳統腎臟體積測量更準確預測多囊腎病患者腎功能惡化。特定radiomic特徵的預測準確度較高，但還需要更多研究來證實這項技術的實用性。 PubMed DOI