研究目的是提升對CAKUT胎兒腎臟存活的超聲波預測能力。通過組織學分析，幫助標準化超聲波解讀。研究發現減少羊水量、發育不良和囊腫是最佳預測指標。整合這些因素成演算法可提高預測準確性。發育不良和囊腫雖相關，但起源不同，解釋了它們聯合預測的效果。標準化並結合超聲波解讀可增進CAKUT懷孕的臨床建議。 PubMed DOI

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

囊性腎病是一種包含多種遺傳及非遺傳疾病的病症，特徵是腎臟囊腫的形成，可能在兒童及成人中被發現，甚至在產前就能檢測到。本研究針對70名發現腎囊腫的兒童進行基因分析，結果顯示53名患者有相關基因變異，其中24名在產前已顯示高回聲或囊性腎臟的跡象。這強調了超聲篩檢和基因檢測在早期診斷及臨床管理中的重要性，並需為家庭提供個性化的基因諮詢。 PubMed DOI

這項研究探討脊髓脊膜膨出（MMC）兒童的腎小管濾過率（GFR），比較胱蛋白酶C（CysC）和肌酸酐的準確性，並分析身體組成與腎臟參數的關係。研究發現CysC估算的GFR通常低於肌酸酐，顯示CysC在這群體中可能更準確。雖然只有30%兒童符合BMI超重標準，但62.5%根據生物電阻抗分析（BIA）被判定為肥胖。CysC與體重、BMI及體脂量呈正相關，強調在評估腎功能時需考慮脂肪量，以避免錯誤估計腎臟損傷。 PubMed DOI

牛津分類被視為IgA腎病（IgAN）成人患者的重要預後工具，但在兒童中的適用性尚待研究。本次綜合分析納入14項研究，共5,679名IgAN兒童，記錄710例不良腎臟結果。主要發現包括：M1病變顯著提高不良預後風險（HR 1.79），S1、T1和T2病變也相關（HR分別為2.13和2.64）。C1和C2病變在亞洲及其他人群中與不良預後風險相關，而E1病變的影響則不明確。這些結果顯示牛津分類對IgAN兒童患者的預後評估具有價值。 PubMed DOI

結節性硬化症（TSC）是一種常染色體顯性遺傳病，可能影響腎臟，導致血管平滑肌脂肪瘤和腎囊腫等病變，並可能引發高血壓及腎功能下降。2024年針對TSC相關腎病的新指導方針已發布，本文回顧了關鍵臨床要點，並透過四個案例說明管理策略，包括高血壓管理、隨訪頻率及腎臟影像檢查的建議。此外，還探討了如TSC2-PKD1連續基因綜合症及大型AML的管理方法，為腎臟科醫生提供實用資源。 PubMed DOI

這項研究旨在找出與兒童尿路感染及尿路擴張相關的高級別膀胱輸尿管逆流（VUR）因素，並開發預測模型以減少侵入性檢查的需求。研究分析了1,044名患者的資料，發現8.2%有重度逆流，主要風險因素包括：2歲以下、男性、非大腸桿菌病原體、UTD-P3擴張及腎臟瘢痕。研究團隊建立的評分系統準確率高達93.4%，能有效識別重度逆流，並減少94%患者接受不必要檢查的情況。 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

這項研究發現，兒童DMSA掃描若有局部缺損，未來反覆泌尿道感染的機率較高；若同時有彌漫性不均勻和局部缺損，則腎功能長期下降的風險最大。早期辨識這些影像型態，有助於預測哪些小朋友較容易出現腎臟問題。 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