近期腎臟病理生理學的進展受到人工智慧（AI）的影響，為腎臟疾病的理解與管理開啟新方向。AI在風險分層、預後評估及腎臟腫瘤學中發揮重要作用，能更準確預測疾病進展。儘管如此，數據整合和倫理問題仍是挑戰。未來需進行實施研究，將AI算法有效轉化為臨床實踐，並整合各類數據，以提升腎臟病的診斷與治療策略。 PubMed DOI

糖尿病腎病（DKD）是2型糖尿病的一大併發症，對全球健康影響深遠。及早檢測DKD對改善病人結果至關重要。近期，人工智慧（AI）和機器學習（ML）在醫療領域的進展，特別是在預測DKD方面，顯示出良好潛力。研究顯示，AI和ML在預測DKD進展上表現優於傳統模型，並能整合遺傳數據，增進對疾病的理解及個性化治療。儘管面臨數據需求和標準化挑戰，AI和ML仍有潛力改變DKD的管理方式，未來應專注於開發臨床應用的AI工具。 PubMed DOI

這項研究探討了腎小球中特定細胞的分子特徵，結合了基質輔助雷射脫附/電離成像質譜（MALDI IMS）和多重免疫螢光（MxIF）技術。重點在於了解這些特徵在疾病，特別是糖尿病腎病中足細胞喪失的變化。研究揭示了腎小球內脂質的異質性，並利用機器學習技術進行細胞類型的識別，促進了與腎小球細胞及其微環境的分子標記發現。這些成果對於理解腎臟疾病具有重要意義。 PubMed DOI

這項研究針對拉丁美洲因COVID-19引發腎臟疾病的成人患者進行分析，共有94名患者，主要是男性，年齡中位數44歲，許多人有高血壓病史。研究發現，腎功能普遍下降，許多患者需透析。最常見的腎臟問題是塌陷性腎小球病，還有局灶性節段性腎小管硬化、血栓性微血管病和IgA腎病。FSGS和最小變病的腎臟存活率較好，而TMA的預後較差，顯示出明顯的組織學模式。 PubMed DOI

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

這項研究探討了利用深度學習技術預測狼瘡性腎炎的治療反應，透過分析腎臟活檢切片進行。研究對象為接受環磷酰胺或美克洛寧的患者，主要結果為12個月內的完全反應，依據尿蛋白水平和腎小球過濾率定義。研究涵蓋245名患者的模型開發和71名患者的外部測試，使用多種染色方法。深度學習模型在不同染色切片上訓練，顯示良好預測性能，並強調某些特徵為重要預測因子。結論認為深度學習能有效預測治療反應，但需進一步驗證。 PubMed DOI

原發性局灶性節段性腎小管硬化症（pFSGS）是一種嚴重的腎臟疾病，常導致腎衰竭，且移植後復發風險高。近期研究利用腎臟類器官技術，探討pFSGS患者血漿對腎臟類器官的影響。結果顯示，pFSGS血漿會損害腎小管上皮細胞，並引發炎症反應。相對而言，非復發患者的血漿則無此影響。接受治療性血漿置換的患者，其血漿對類器官的損害減少，顯示腎臟類器官在預測FSGS復發風險方面的潛力。 PubMed DOI

這項研究開發了一套全自動化系統，運用深度學習和電腦視覺技術，能從TEM影像中快速又準確地分割和量測腎小球基底膜厚度。結果顯示，這系統和人工量測高度相關（R² = 0.85），還能有效分類厚度，有助於臨床腎臟病診斷，省時又減少人為誤差。 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

FSGS是一種會導致腎衰竭的嚴重腎臟病，目前主要靠腎臟切片診斷，但有其侷限。近年發現血液和尿液中的miRNA可作為穩定的生物標記，有助提升診斷準確度、監測病情、預測預後，還能協助判斷類固醇治療效果，推動更個人化的治療。 PubMed DOI