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

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

人眼樣本稀缺，特別是短期死後的樣本，對眼科研究和藥物發現造成挑戰，因為眼庫在匹配捐贈者資料時仍需手動處理，效率低且易出錯。為了解決這個問題，開發了名為ReSync的半自動匹配系統。接著，我們引入了ReSyncAI，利用人工智慧結構化捐贈者資料，進行小型回顧性分析，成功率達94.2%。ReSyncAI能準確匹配捐贈者與「年齡相關性黃斑變性」，即使面對縮寫和錯誤資訊，顯示出AI在提升資料匹配效率和準確性方面的潛力。 PubMed DOI

這項研究探討了ChatGPT在將健康資訊翻譯成西班牙語的有效性，特別針對西班牙裔族群獲得活體腎臟捐贈的機會。研究使用了ChatGPT 3.5和4.0翻譯27個常見問題，並由西班牙語腎臟科醫生評估翻譯的準確性和文化敏感性。結果顯示，兩個版本的翻譯準確性和文化敏感性均很高，特別是GPT-4.0達到完美分數。這顯示AI在改善健康公平性方面的潛力，建議未來應整合這類工具進醫療系統，以提升患者教育和服務公平性。 PubMed DOI

這項研究檢驗了一個荷蘭的兒童腎臟移植預測模型，並評估其在德國和法國的適用性。分析了3,266例移植，結果顯示荷蘭模型在原始背景下表現良好，但在其他國家的表現顯著下降。研究者還創建了國際預測模型，但效果不佳。相對而言，針對各國調整的荷蘭模型表現較好，顯示出不同國家的臨床實踐差異。因此，建議使用國家特定模型來優化兒童腎臟移植的捐贈者選擇。 PubMed DOI

本研究旨在建立一個框架，利用大型語言模型（LLMs）預測老年患者術後急性腎損傷（AKI）的結果。研究顯示，LLMs克服了傳統機器學習模型在預測疾病時的低泛化能力和可解釋性問題。透過提示工程和知識蒸餾，我們評估了來自中國和南韓的數據，結果顯示LLMs在準確率上優於傳統模型，並提供了可讀的解釋，改善臨床理解。此框架為臨床提供了更可靠的預測工具。 PubMed DOI

AI工具在肝臟醫學越來越常用，能協助診斷、預後和治療決策，但要發揮效益，需高品質數據、多中心合作，並整合進臨床流程。建立信任還要靠嚴謹臨床試驗和醫病雙方的參與。這篇綜述整理了AI在肝臟醫學的最新應用現況。 PubMed DOI

這項研究開發了一套新模型，把臨床資料轉成文字，再結合數值資訊，利用大型語言模型來預測心肺繞道手術前發生急性腎損傷的風險，準確率高達AUC 0.92。研究也找出哪些術前和術中措施有助預防AKI，能幫助醫師更早預測並預防相關風險。 PubMed DOI

在美國，腎臟移植的可及性和治療結果，會受到保險類型、種族和社經地位影響。用公費保險的少數族裔、低收入或教育程度較低者，進入移植名單和移植後的結果都較差。Medicare移植後36個月就停藥物給付，導致用藥不順、排斥率升高。建議標準化轉介流程、終身藥物給付、經濟補助、獎勵公平表現及運用數位工具改善移植公平性。 PubMed DOI

這項研究用AI分析95位接受CKRT的重症新生兒和嬰兒，發現尿量少、肌酸酐上升多、延遲治療和低血壓會提高住院死亡風險（死亡率47.3%）。存活者中有三成出院時有蛋白尿，和高肌酸酐及原發性腎病有關。AI模型有助於找出影響短期預後的關鍵因素。 PubMed DOI