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

本研究建立並驗證了一個網路預測圖，旨在預測接受健康檢查者在四年內發展為慢性腎臟病（CKD）的風險。研究涵蓋兩個健康檢查中心，共9667名參與者，分析了十六個預測因子。結果顯示，年齡、糖尿病病史、收縮壓等是關鍵因子。預測圖在訓練和驗證隊列中均顯示出良好的區分能力，AUC值分別為0.8806、0.8506和0.9183。此外，還開發了網路計算器，方便醫療提供者在臨床上評估CKD風險。 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

這項研究針對免疫球蛋白A腎病（IgAN）患者，特別是慢性腎病（CKD）第3或第4期且有顯著蛋白尿的情況，開發了一個預後模型。研究分析了263名患者，隨訪平均57.3個月，發現腎小球過濾率（eGFR）較低和蛋白尿較高的患者，末期腎病（ESKD）風險增加。使用隨機生存森林（RSF）等多種技術，RSF模型的預測性能最佳，顯示出七個重要風險因素，並有效預測IgAN患者的病程進展。 PubMed DOI

本研究探討七種擴散模型在評估慢性腎病患者的腎間質纖維化及腎功能下降的有效性。共133名CKD患者和30名對照者參與，並進行多擴散序列掃描。研究發現，綜合模型（包含皮質 f_IVIM、MK_DKI 和 eGFR）在區分輕度與中度至重度纖維化方面表現優於傳統臨床模型。隨訪結果顯示，皮質 f_IVIM 和 α_SEM與腎功能變化顯著相關，顯示綜合模型在評估腎病進展中具潛在價值。 PubMed DOI

研究團隊開發了一套深度學習模型，能結合實驗室數據和臨床紀錄，準確預測住院成人48小時內發生中重度急性腎損傷（AKI）的風險，效果比只用結構化資料的模型更好，有助醫師及早發現高風險病人並介入治療。 PubMed DOI

這項研究用四家醫院的資料，開發並驗證一個機器學習模型，能預測洗腎病人心臟瓣膜鈣化的風險。模型根據五個臨床指標建立，最後發現邏輯迴歸的表現最穩定。這工具有助於早期發現高風險患者，提升洗腎病人心臟瓣膜鈣化的篩檢和管理效率。 PubMed DOI

這項研究用15項加護病房常見的數據，開發出一個能預測重症病人7天內發生不同程度急性腎損傷（AKI）風險的模型。分析976位病患資料，模型準確度不錯（AUC 0.76），也有臨床實用性，有助於及早找出高風險病人，提升治療效果。 PubMed DOI

研究人員開發了一套針對糖尿病腎病變患者的風險預測模型，結合臨床資料和四種血液生物標記，能準確預測三年內重大心腎事件（C-statistic 0.80）。這模型可將患者分為低、中、高風險，低風險陰性預測值達94%，高風險陽性預測值有58%。不同族群驗證都有效，且用canagliflozin治療能降低所有風險層級的事件發生率。 PubMed DOI

這項西班牙研究發現，約一半糖尿病患者的腎臟問題其實不是糖尿病腎病，且這些人的預後較好。研究也提出五項臨床指標，幫助醫師預測患者是否屬於非糖尿病性腎臟病，協助決定是否需要做腎臟切片。 PubMed DOI