這項研究探討腎小管周圍毛細血管（PTC）特徵與腎小球疾病進展的關聯，特別是間質纖維化和腎小管萎縮（IFTA）。研究分析了344名腎病患者的影像，利用深度學習量化IFTA和PTC特徵。研究人員找出與疾病進展相關的PTC關鍵特徵，並透過機器學習建立風險評分，這些評分與病情結果有關。結果顯示PTC的密度、形狀和結構對理解疾病進展的重要性，並揭示新的數位生物標記及PTC與微環境的互動。 PubMed DOI

腎臟治療領域持續進步，出現多項新發展。Sparsentan 現在可用於多種腎病，包括免疫球蛋白 A 腎病和原發性局灶性節段性腎小管硬化症。補體抑制劑對預後不佳的腎小管腎炎患者展現潛力。糖尿病管理方面，semaglutide 可能對腎臟和心臟有保護作用，但質子泵抑制劑的腎臟安全性引發關注。此外，血液透析改善生活品質，vadadustat 提供口服腎性貧血治療選擇，異種移植則有望解決器官短缺問題。 PubMed DOI

腎功能會受到多種刺激影響，導致細胞損傷和發炎，這些過程是動態且漸進的，涉及白血球的移動和反應，時間從幾秒到幾週不等。研究人員透過活體成像技術，特別是多光子顯微鏡，能在實驗動物中可視化這些事件，增進對腎生理和病理的理解。這項技術對於研究超濾液生成、急性腎損傷及發炎白血球的招募至關重要。文章強調了活體成像在發炎性腎病模型中的應用，並探討未來的研究方向。 PubMed DOI

低腎元數量與慢性腎病（CKD）及高血壓風險增加有關。為了研究腎元不足的影響，我們創建了一種新型近交大鼠模型（HSRA大鼠），其中75%的後代僅有一個腎臟。研究顯示，這些大鼠的腎元數量減少約20%，並在18個月時出現顯著的蛋白尿，顯示CKD風險增加。透過甲基化測序、單核RNA測序及蛋白質組學分析，我們發現多個基因及366個差異表達的蛋白質，特別是Deptor和Amdhd2基因，可能在腎臟發育中扮演重要角色，未來可用於改善腎元健康及減緩腎病進展。 PubMed DOI

空間解析質譜（MS）和質譜成像技術越來越多地應用於腎臟生物分子研究，能無標記地檢測多種分子，如代謝物、藥物和蛋白質。這些技術透過分析生物液體、整個器官及單一細胞，為腎臟健康與疾病提供新見解。隨著樣本處理技術和空間解析度的提升，加上機器學習和人工智慧的應用，這些技術在腎臟病學中的價值預期將持續增長，填補基因組學和轉錄組學的不足。 PubMed DOI

這篇評論強調糖類在腎臟功能與疾病中的重要性，並探討它們在組織中的分佈。文中提到不同類型的糖類及其在腎臟生物學中的角色，特別是質譜影像（MSI）技術，能提供全面的糖類組成資訊，優於傳統的凝集素和代謝物標記方法。評論中也提到蛋白質N-糖基化對腎臟健康的重要性，最近在N-糖類的MSI進展有助於加深我們對腎臟病理生理的理解，並可能有臨床應用的潛力。 PubMed DOI

全球超過8.5億人受腎臟病影響，早期發現很重要。腎臟病常會造成脂質代謝異常。質譜影像（像MALDI、DESI MSI）能幫助研究人員在腎臟特定區域觀察脂質變化，深入了解疾病機制。結合空間代謝體學和其他技術，有機會帶來新的臨床應用。 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ResNet18深度學習模型，訓練超過4,000張腎臟切片EM影像，能自動判斷電子緻密沉積物的位置，AUC高達0.928–0.987，表現比資深醫師還好。團隊也開發網頁工具，讓臨床醫師能快速上傳影像並獲得自動判讀結果，提升效率與一致性。 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