利用機器學習演算法分析CKD患者的腎臟纖維化程度，XGBoost模型表現優異，AUC達0.97。SHAP方法有助於解釋模型輸出，顯示腎小球過濾率對預測影響最大。這有助於臨床醫生制定CKD患者的治療策略。 PubMed DOI

使用擴散峰值成像（DKI）來評估高尿酸血症大鼠模型中的腎間質纖維化。DKI指標顯示皮質和外髓質區域有變化。結果表明DKI可能是一種非侵入性方法，用於監測高尿酸血症誘導的腎纖維化。 PubMed DOI

慢性腎臟疾病（CKD）導致腎臟發炎和纖維化，目前檢測方法有限。磁共振擴散張量成像（DTI）是一種非侵入性技術，對評估腎臟纖維化有潛力。研究使用DTI在CKD小鼠模型中比較不同腎臟區域的控制組和CKD組，結果顯示髓質有顯著差異，與組織學和其他標記相符。DTI對腎臟纖維化的異質性敏感，強調整個腎臟成像的重要性。 PubMed DOI

研究人員正努力尋找不需進行手術的方式，像是超音波、磁振造影和放射統計學，來診斷慢性腎臟疾病中的腎臟纖維化。綜合21個研究、4885名參與者的結果，發現超音波在檢測腎臟纖維化方面比磁振造影和放射統計學更靈敏。雖然磁振造影具高特異性，但放射統計學在診斷腎纖維化上仍有挑戰。未來需要更多研究來優化人工智慧演算法。 PubMed DOI

這項研究開發了一個多模態超音波深度學習模型，目的是自動分類慢性腎病（CKD）患者的早期纖維化。研究對象為2022年接受各種超音波檢查的患者，根據病理分數分為最小纖維化組和輕度纖維化組。數據集分為訓練集和測試集，並創建了整合三種超音波特徵的深度學習模型。結果顯示，多模態模型的AUC達到0.86，顯著優於單一模式模型，顯示其在預測CKD早期纖維化的有效性。 PubMed DOI

這項研究探討了IgA腎病（IgAN）患者中，皮質-髓質顯著擴散係數（ΔADC）與臨床及病理參數的關聯。112名經活檢確認的IgAN患者接受了腎臟活檢和擴散加權MRI。結果顯示，較低的ΔADC與慢性腎病（CKD）晚期相關，且與腎功能指標如eGFR呈正相關，與腎損傷標記則呈負相關。ΔADC被證實是eGFR的獨立預測因子，並能有效評估腎間質纖維化的嚴重程度。研究指出，ΔADC可作為非侵入性生物標記，幫助識別高風險患者。 PubMed DOI

這項研究探討擴散峰度成像（DKI）在監測接受骨髓來源間充質幹細胞（BMSCs）治療的肝硬化大鼠肝臟和腎臟損傷恢復的效果。研究中，30隻大鼠因四氯化碳誘導肝硬化，6隻接受DKI掃描後安樂死，剩下的24隻分為BMSC治療組和對照組。結果顯示，BMSC組在治療後肝臟和腎臟的DKI參數有顯著改善，顯示DKI是一種有潛力的非侵入性監測方法。 PubMed DOI

這篇評論探討了先進的磁共振成像（MRI）技術在評估腎臟功能中的新角色，特別是擴散加權（DWI）MRI、血氧水平依賴（BOLD）MRI和磁共振弛豫度測量（T1和T2映射）。這些非侵入性方法能在不使用對比劑或輻射的情況下，檢測腎臟的早期變化，如灌注和纖維化。DWI MRI 對糖尿病腎病的腎功能下降預測特別有前景，而BOLD MRI則有助於評估腎動脈狹窄。整合這些技術可能改善疾病檢測和個性化治療，但仍需進一步研究以確立其臨床應用。 PubMed DOI

這項研究探討擴散加權磁共振成像（DW-MRI）在慢性腎病（CKD）和腎臟移植患者中，對腎功能下降的預測價值。197名患者接受腎臟活檢及無對比劑的多參數MRI，隨訪中觀察到54名患者腎功能顯著下降。結果顯示，皮質T1映射與不良腎臟結果有顯著相關，但T2映射則無顯著預測價值。雖然T1是腎功能下降的強預測因子，但並未提升現有DW-MRI模型的預後能力。 PubMed DOI

這項多中心研究開發並驗證了一套用常規血液檢查數據（像是Scr、eGFR、PTH、BNP及性別）的機器學習模型和臨床風險預測圖，可準確預測慢性腎臟病患者的腎臟纖維化嚴重度，提供一個可取代侵入性腎臟切片的實用工具，且在不同驗證隊列中表現都很穩定，未來有望成為臨床上動態、非侵入性評估纖維化的新方法。 PubMed DOI