全球活體腎移植（LKT）需求增加，年長捐贈者及末期腎臟疾病患者也增加。腎功能測量對捐贈者選擇至關重要，建議使用CKD-EPI-eGFR方程式。 PubMed DOI

開發了深度學習模型，分析已故捐贈者的腎臟組織活檢樣本，提升器官利用。透過訓練2000個腎臟的異常特徵，並與病理學家的評分和移植結果相關性分析，建立了腎臟捐贈者品質評分（KDQS）。這些模型可幫助預測移植物損失，協助器官選擇，成功預測了腎移植接受者的移植物損失。應用KDQS於被棄置的腎臟，可估計許多腎臟若移植，可能有相似的存活率，改善風險評估和器官利用，潛在減少不必要的器官棄置。 PubMed DOI

研究預測小兒腎移植候選人接受移植的可能性，分析3757名候選人數據，建立預測指標，可幫助臨床醫生管理患者等待時間，促進更多活體捐贈。 PubMed DOI

這項研究探討美國腎臟移植候選人對高腎臟捐贈者指數（KDPI）捐贈提議的同意率，結果顯示全國同意率為41%。研究指出，根據年齡、種族、體重指數和健康狀況等個人特徵，以及移植中心的不同，同意率有顯著差異。特別是年長者和糖尿病患者更可能同意接受高-KDPI 腎臟，這樣的同意與接受移植的機會增加有關。研究強調提高對高-KDPI 腎臟的同意率，以改善移植的可及性。 PubMed DOI

過敏又是O型血的病人等待接受死者捐贈腎臟移植手術的時間較長。研究發現這些病人的結果，並設計了新的分配系統，平衡公平和效果。雖然移植機會有差異，但不同病人群體的結果相似。新的評分系統給予弱勢病人更多分數，旨在提高台灣腎臟分配的公平性，同時保持效果。 PubMed DOI

這項研究探討邊際品質腎臟移植的使用情況，並評估一個新提議的評分系統，涵蓋延遲移植物功能（DGF）、腎功能恢復（RFR）及移植後90天的腎小管過濾率（GFR）。分析了221名腦死亡捐贈者和223名接受者的數據。主要發現顯示，經歷DGF的接受者，移植物喪失風險顯著增加，而90天GFR低於30 ml/min/1.73m²的接受者也面臨較高的失敗風險。然而，研究指出這些因素的組合無法有效預測短期的病人和移植物存活率。 PubMed DOI

隨著全球糖尿病病例增加，移植中心面臨越來越多的糖尿病器官捐贈者。本研究分析了80位捐贈者及160位受贈者，特別關注30位糖尿病捐贈者及其60位受贈者。結果顯示，糖尿病捐贈者的血尿素氮水平較高，腎臟損傷更嚴重，導致受贈者的延遲移植物功能（DGF）發生率較高。雖然移植後前三個月腎功能較差，但隨後兩組腎功能相似，且在1年或3年的死亡率和移植物失敗率上無顯著差異。研究結論指出，經病理評估的糖尿病捐贈者腎臟可安全使用。 PubMed DOI

這項研究評估了腎臟分配系統（KAS250）對已故捐贈者腎臟移植（DDKT）候選人的影響，分析了176個移植中心160,941名候選人的數據。結果顯示，KAS250對整體DDKT的影響不顯著（HR=1.01），但不同中心之間差異明顯。有些中心的DDKT率下降（HR低至0.18），而另一些則上升（HR高達17.12）。特別是等待時間較長的中心（超過57個月）在KAS250後DDKT可能性增加（HR=1.20），而等待時間短的中心（6-24個月）則下降（HR=0.88）。研究建議需進一步策略來解決中心間的差異。 PubMed DOI

英國去世捐贈者腎臟移植結果預測工具（UK-DTOP）運用先進的人工智慧，分析了2008至2022年間的29,713例移植數據，評估三種機器學習模型。結果顯示，XGBoost模型表現最佳，協調指數達0.74，遠超傳統的腎臟捐贈者風險指數（KDRI）0.57，顯示出更高的預測準確性。該工具不僅提升了移植前的決策質量，還可能對全球的器官移植實踐帶來正面影響。 PubMed DOI

腎臟交換計畫（KEPs）讓活體捐贈者的腎臟移植成為可能，特別是對於不相容的病人。研究分析了2004至2021年間荷蘭的KEP與非KEP移植結果，發現兩者的十年移植物存活率相似（KEP為91.6%，非KEP為91.9%）。雖然KEP病人的五年排斥率和存活率較低，但調整後差異不顯著。主要風險因素包括捐贈者年齡、再移植、透析年限等。研究建議更廣泛推行KEP，並在尚未設立的地區建立此計畫，以改善病人結果。 PubMed DOI