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

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

這項研究分析了2013至2023年間，未經授權移民和永久居民在美國獲得腎臟移植的挑戰。結果顯示，未經授權移民的登記比例雖有增長，但不具統計意義。他們的等待名單死亡率低於美國公民，且移植後的死亡率和移植物失敗率也較低。儘管面臨困難，這些移民的移植結果優於公民，顯示出改善非公民獲得腎臟移植機會的政策需求。 PubMed DOI

這項研究分析了1997至2020年間美國230萬名成年人接受腎臟替代療法的數據，探討女性在腎臟移植上的性別不平等。主要發現包括：等候名單的性別差距有所改善，但女性在活體捐贈腎臟移植（LDKT）方面的不平等惡化，死者捐贈腎臟移植（DDKT）則顯示男性獲取機會較女性更好。特別是糖尿病女性和年長者面臨更大不平等。儘管有進展，性別不平等仍需持續關注與研究。 PubMed DOI

這項研究探討了西班牙裔與非西班牙裔白人在腎臟移植的結果，發現健康差異明顯。分析了2010至2021年間212,559名腎臟移植受者的數據，結果顯示17%為西班牙裔，47%為非西班牙裔白人。西班牙裔受者年齡較輕，等待時間較長，且擁有私人健康保險的比例較低。儘管如此，西班牙裔受者的死亡率和移植失敗率均低於非西班牙裔白人。研究建議進一步探討西班牙裔在移植及慢性腎病方面的獲取問題，以改善臨床結果。 PubMed DOI

這項研究探討社會健康決定因素（SDOH）如何影響活體捐贈腎臟移植（LDKT）與死者捐贈腎臟移植（DDKT）的可及性。研究分析了2020年和2022年成人腎臟接受者的數據，發現個人收入和社區收入對LDKT的機率有顯著影響。結果顯示，收入越高，接受LDKT的機率越大，且社區的中位家庭收入也會影響可及性。這強調了解決SDOH對改善腎臟移植公平性的重要性。 PubMed DOI

這項研究發現，在俄亥俄河谷地區，年長者、黑人和使用公費保險的人，比年輕、白人和有私人保險的人，更難接受腎臟移植評估及進入等候名單。這顯示腎臟移植的機會存在明顯不平等，需要進一步研究和改善。 PubMed DOI

2023年，美國規定腎臟移植計畫要用不分種族的腎功能計算方式，重新檢視黑人候選人的等待時間。全國有32%的黑人因此等待時間被調整，平均多了約610天積分，讓他們接受腎臟移植的機會大增。不過，各移植中心執行的頻率差異很大，政策雖然有幫助，但不同中心和族群的落實狀況還是有差。 PubMed DOI

**重點整理：** 無證移民其實是可以合法接受腎臟移植的，但因為沒有聯邦健保，常常無法順利取得移植機會。儘管如此，這些成功接受移植的無證移民，他們的治療成果跟公民或居民一樣好，甚至更好。作者呼籲應該修改政策，讓無證移民也能更容易接受腎臟移植。 PubMed DOI

這份南韓研究發現，領醫療補助的末期腎臟病患者雖然年紀較輕、住院率較低，但住院後的死亡率跟有國民健康保險的人差不多。特別是60歲以下的補助戶，住院率更低，但住院後結果反而較差，可能跟經濟壓力不願住院有關。 PubMed DOI