持續性腎臟替代療法（CRRT）對急性腎損傷的重症病患至關重要，近期對於人工智慧（AI）在CRRT應用的研究逐漸增多。一項回顧文獻發現，十篇相關研究中，2021年的發表特別突出，60%的研究專注於機器學習模型，旨在提升CRRT的效果。主要研究方向包括早期指標、預測死亡率及腎臟恢復等，但文獻中也指出缺乏前瞻性驗證及偏見問題。儘管研究增多，仍需進一步探索AI如何改善臨床決策及CRRT的整體流程。 PubMed DOI

人工智慧（AI）在腎臟科，特別是預測住院急性腎損傷（AKI）方面的應用逐漸增多。近期的進展促使多種AI技術發展，提升了不同醫院對AKI的檢測能力。這篇綜述探討了AKI風險預測的演變，對比傳統靜態風險評估模型與新興的AI方法。雖然目前對這些AI模型在臨床應用及病人結果的數據仍有限，但文章對AI在AKI檢測和管理的未來持樂觀態度。 PubMed DOI

腎臟科的研究越來越重視複雜的分子系統及其與疾病和治療的關聯。隨著組學科學和數位健康的進步，研究變得更依賴數據，並需要強大的計算工具來處理新生物標記。人工智慧（AI）和機器學習（ML）在分析各類數據上展現出優勢，但目前只有少數基於ML的醫療決策系統經過驗證可用於臨床。為了有效整合新發現，需發展可解釋的ML方法和個人化醫療策略。AI驅動的「智慧腎臟科」仍在起步階段，面臨數位鴻溝等挑戰。這篇社論探討了AI在腎臟科的應用，並介紹了相關特刊。 PubMed DOI

有效治療慢性腎臟病（CKD）對全球健康至關重要，因為它可能導致腎衰竭和心血管問題。最近，電子健康紀錄的使用提升了我們對CKD的理解，並促進了風險預測的進展。臨床試驗顯示，像鈉-葡萄糖共轉運蛋白2抑制劑和類胰高血糖素肽1受體激動劑等新藥能有效減少CKD的不良結果，但在高風險患者中的使用仍不足。透過預後工具指導治療決策，醫療提供者能更好地匹配患者與治療，提升CKD管理效果。 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

這項研究回顧了人工智慧（AI）和機器學習（ML）在預測住院病人急性腎損傷（AKI）的表現。共分析了4,816篇文章，最終納入95篇，涵蓋380萬次住院紀錄。最常用的AKI定義是KDIGO-AKI標準。識別出302個預測模型，以邏輯回歸模型最為普遍。預測AKI的關鍵因素包括年齡、性別、糖尿病等。預測模型的AUC顯示出潛力，但臨床應用仍面臨挑戰，因為研究間存在顯著異質性和偏差風險。 PubMed DOI

隨著影像檢查普及，腎細胞癌被診斷的案例增加，分辨腎臟良性或惡性病灶變得更重要。AI技術（像機器學習、深度學習）已廣泛應用於腎臟病灶的偵測與分類，協助診斷和個人化治療。雖然AI展現潛力，但仍面臨資料差異、可解釋性及發表偏差等挑戰。 PubMed DOI

慢性腎臟病和心臟衰竭常常互相影響，治療上很複雜，需要個人化調整。雖然有些藥物有效，但晚期腎臟病時使用會受限。隨著精準醫療、AI和遠距監測進步，能更早發現問題並提供更適合的照護。跨科團隊合作和持續研究，對提升治療成效很重要。 PubMed DOI

慢性腎臟病（CKD）雖然治療方式進步，但照護上還有很多不足。這篇文章整理了現有的CKD照護模式及缺點，也介紹像是護理師、藥師主導或數位化等新型照護方式。研究結果不一，顯示如何在臨床上有效執行這些照護模式，還需要更多實證研究支持。 PubMed DOI

AI 正在翻轉腎臟科，協助提升腎臟病的診斷、預測和治療，但臨床應用還有資料品質、偏誤和透明度等挑戰。文章提出用 TRIPOD-AI 檢查表來審查 AI 研究，強調資料完整、模型驗證和倫理。建議多元資料和多中心驗證來減少偏誤。未來會結合多種資料、深度學習影像、穿戴裝置和更智慧的決策系統。 PubMed DOI