這項研究探討非增強型電腦斷層掃描（NECT）放射組學（RDX）在評估慢性腎臟病（CKD）的應用，並與腎臟體積（KV）測量進行比較。研究分析了64名腎功能受損患者和60名正常對照者的NECT掃描。結果顯示，腎功能受損組的腎臟體積顯著低於對照組，且腎臟體積與eGFR呈強正相關。RDX模型的表現優於傳統的KV測量，顯示其在識別CKD高風險患者方面的潛力。 PubMed DOI

這項觀察性研究針對常染色體隱性多囊腎病（ARPKD），分析了658名患者的數據，探討腎病進展及快速惡化的風險因素。研究發現，20歲時腎衰竭的機率約50.1%，且不同亞組之間有差異。生命第一年後，腎功能平均每年下降1.3 ml/min。研究還建立了一個預測模型，評估兩個月大時早期腎衰竭的風險，使用五個關鍵因素，顯示出良好的預測能力，特別是在生命前三年，有助於識別低風險患者及早期治療的需求。 PubMed DOI

這項研究針對124名患有常染色體顯性多囊腎病（ADPKD）第二類的患者進行調查，重點在臨床和影像學特徵。結果顯示，12名患者符合梅約標準，66.7%的病例有腎外參與，但只有2名患者的腎小球過濾率低於60 mL/min/1.73 m²。這些患者的囊性疾病家族史陽性率較高，卻只有8.3%在PKD1基因中發現致病突變。研究指出，非典型ADPKD並不罕見，約10%的患者需進一步評估，顯示基因檢測和MRI的預測局限性。 PubMed DOI

這項研究評估了13種預後生物標記對自體顯性多囊腎病（ADPKD）患者腎臟疾病進展的預測效果，涉及596名患者，平均隨訪5年。主要發現顯示，患者的腎小管過濾率平均每年下降3.46 mL/min/1.73m²，超過一半的患者出現快速進展。特定生物標記如尿液白蛋白/肌酸酐等被證實是重要的預測因子，並能提升風險模型的預測準確性。研究建議將這些標記整合進風險分層工具，以提高ADPKD患者的預測精確性。 PubMed DOI

這項研究評估了梅奧診所影像分類（MCIC）和多囊腎病預測腎臟結果評分（PROPKD）兩種工具在預測常染色體顯性多囊腎病（ADPKD）進展至末期腎病（ESKD）的有效性。研究涵蓋187名成年ADPKD患者，結果顯示PROPKD評分對預測ESKD有中等能力，特別是在黑人患者中表現更佳。相對而言，MCIC的預測能力較低。主要預測因子包括自我認同的黑人族裔和年齡，顯示族裔和年齡在評估腎衰竭風險中的重要性。 PubMed DOI

這項新風險評分模型能用五個臨床指標，幫助找出ARPKD兒童中腎衰竭高風險族群。雖然能有效區分高低風險，但還需更多研究來預測絕對風險，並在不同族群驗證。文章也提到，罕見疾病模型的詮釋和驗證有不少挑戰。 PubMed DOI

在癌症病人身上，把電腦斷層（CT）量出來的腎臟總體積（TKV）加進原本用抽血計算的CKD-EPI腎功能公式，可以大幅提升預測實際腎功能（mGFR）的準確度。這代表腫瘤科醫師在評估腎功能時，若有加上TKV，會更精確。 PubMed DOI

這項研究用深度學習分析FSGS和MCD病人的腎臟切片，萃取出腎小管的細部特徵，發現這些AI計算的數據比傳統肉眼評分或臨床資料更能準確預測病情發展和蛋白尿改善。像基底膜變厚、上皮細胞變扁等變化，和較差預後有關，且會隨纖維化加重。AI分析有助提升風險預測，但臨床應用前還需更多驗證。 PubMed DOI

這項研究用先進MRI技術，發現慢性腎臟病患者在身體功能變差前，腿部肌肉就已出現纖維化、脂肪增加和代謝異常。這些變化可透過MRI早期偵測，未來有助醫師及早介入治療，提升病患照護品質。 PubMed DOI

有研究發現，約12%的ADPKD患者雖然影像上囊腫不多，但腎功能卻偏低。這些人常有高血壓、糖尿病或其他腎病，也可能因肌肉量高導致eGFR低估。遇到影像和腎功能不符時，建議進一步檢查，才能給病人最適合的治療。 PubMed DOI