本研究旨在利用人工智慧（AI）演算法，開發一個更有效的風險分層工具，以改善英國活體捐贈腎臟移植的選擇過程。我們分析了2007至2022年間的12,661例術前數據，並測試了四個機器學習模型。結果顯示，XGBoost模型在移植物存活率的預測上表現最佳，顯示出良好的預測能力。這種基於AI的模型有潛力改善捐贈者與受贈者的配對，並提升腎臟配對交換計畫的成效，展現AI在醫療領域的應用價值。 PubMed DOI

這項研究探討了兒童腎臟再移植需求的上升，分析了51名接受第二次移植的男童。研究發現，先天性腎臟異常是腎衰竭的主要原因，且部分患者體重在20公斤以下。第一次移植失敗多因非免疫性因素，如血管血栓。第二次移植採用不同的臨床策略，使用thymoglobulin、tacrolimus和mycophenolate，並加強抗凝治療。結果顯示，第二次移植後患者存活率達100%，移植物存活率在1年和3年分別為88%和83%。整體而言，兒童腎臟再移植的效果良好，是有效的治療選擇。 PubMed DOI

急性腎損傷（AKI）在住院兒童中常見，因此開發可靠的預測模型來評估AKI後的結果非常重要。本研究分析了來自中國兩家兒童醫院的8,205名AKI住院兒童，主要評估住院死亡率及28天內需透析的情況。研究使用遺傳算法選擇特徵，並採用隨機森林模型進行預測，結果顯示該模型在預測住院死亡率的AUROC達0.854，透析需求的AUROC更高達0.889，且表現優於傳統的兒童重症疾病評分，顯示出良好的臨床應用潛力。 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

急性腎損傷（AKI）在重症監護病房（ICU）病人中很常見，且與高 morbidity 和 mortality 相關。因為目前沒有針對 AKI 的特效藥，持續性腎臟替代療法（CRRT）成為主要治療。本研究建立並驗證了一個預測重症 AKI 病人在接受 CRRT 後 90 天死亡率的模型。研究分析了1121名病人的數據，並利用Cox比例風險回歸開發了預測模型，包含七個預測因子。模型在訓練組和驗證組中表現良好，能有效識別高風險患者。 PubMed DOI

這項研究探討了新的腎小球過濾率（eGFR）方程式對健康風險的影響，特別是EKFC和LMR方程式與CKD-EPIASR-NB2009的比較。研究涵蓋285,686名參與者，發現EKFC和LMR的eGFR估計值均低於CKD-EPI，且將更多人分類為腎功能受損。這些方程式在辨識死亡及腎衰竭風險方面表現更佳，顯示其在臨床決策中的重要性，需謹慎考量不同方程式的優缺點。 PubMed DOI

這項研究針對90名等待再移植的成人患者，探討兩種免疫抑制劑撤藉策略的影響。患者分為兩組：一組迅速撤藉免疫抑制劑，僅保留低劑量潑尼松；另一組則在六個月內持續使用鈣調素抑制劑（CNI）和低劑量潑尼松。結果顯示，延長CNI組的移植物不耐受綜合症發生率較低，且殘餘腎功能和住院率表現更佳。雖然HLA敏感化未見顯著差異，但延長CNI治療有助於保護腎功能。 PubMed DOI

晚期腎臟移植失敗主要有兩個原因：一是因腎功能下降需重新移植或透析，二是移植功能正常但患者因心血管問題、癌症或感染等原因死亡。這兩者對移植失敗的影響相當。 死亡篩選的失敗通常是免疫和非免疫因素造成的，而正常功能卻死亡的情況則與嚴重健康事件有關。隨著對這些機制的深入了解，有望識別高風險患者並採取新策略來降低風險。新興的心代謝藥物如SGLT2抑制劑等，可能有助於改善腎臟移植患者的健康結果。 PubMed DOI

這篇統合分析發現，第一次和第二次腎臟移植的腎臟存活率在前五年表現較好，第三次以上移植則較差，但十年後差異變小。病人整體存活率和延遲腎臟功能恢復的機率，各組差不多。結果顯示，雖然多次移植腎臟存活率略低，但病人存活率沒太大差別，解讀時還是要考量個別差異。 PubMed DOI

這項新風險評分模型能用五個臨床指標，幫助找出ARPKD兒童中腎衰竭高風險族群。雖然能有效區分高低風險，但還需更多研究來預測絕對風險，並在不同族群驗證。文章也提到，罕見疾病模型的詮釋和驗證有不少挑戰。 PubMed DOI