新的人工智能技术显著改善了人体肾脏分析

利用患者到医院进行肾脏活检时获得的图像，量化肾脏损伤程度并预测肾脏内剩余生命的能力，现在可以使用基于人工智能(AI)的计算机模型。

研究结果发表在《科学》杂志上肾脏国际报告，可以帮助在护理点作出预测，并协助临床决策。

肾病理学是一门专门分析的学科肾脏活组织检查图像。虽然美国的大型临床中心可能会因为拥有“内部”的肾病病理学家而获益良多，但在美国或世界上的大多数地方都不是这样。

据研究人员称，机器学习框架的应用，如卷积神经网络(CNN)的目标识别任务，被证明是有价值的疾病分类，以及可靠的放射图像分析，包括恶性肿瘤。

为了测试将该技术应用于分析常规获得的肾脏活检的可行性，研究人员对不同数量的肾脏活检切片进行了原则性研究证明肾纤维化(通常也称为组织瘢痕)。基于CNN的机器学习框架依赖于数字化图像的像素密度，而疾病的严重程度是由一些临床实验室措施和肾脏存活决定的。美国有线电视新闻网模型然后将模型的性能与由肾病理学家报告的纤维化量作为唯一输入、相应的实验室测量和肾脏存活作为输出而生成的模型进行比较。在所有情况下，CNN模型的表现都优于其他模型。

专家病理学家训练有素的眼睛能够判断疾病的严重程度并发现细微差别肾脏损害这种专门知识并非在所有地点都能获得，特别是在全球一级。此外，还迫切需要规范量化肾脏疾病波士顿大学医学院医学助理教授、通讯作者Vijaya B. Kolachalama博士解释说。Kolachalama说:“当在临床环境中实施时，我们的工作将使病理学家能够早期看到事情，并获得以前没有的见解。”

研究人员认为，他们的模型具有诊断和预后应用，并可能导致开发一种用于诊断肾脏疾病和预测肾脏存活的软件应用。“如果世界各地的医疗保健提供者能够在护理点以肾病病理学家的准确性对肾脏活检图像进行分类，那么这将显著影响肾脏治疗。”本质上，我们的模型有潜力作为替代肾病理学家，特别是在资源有限的环境下，”Kolachalama说。

波士顿医疗中心的三名主治肾病医生，Vipul Chitalia医学博士，David Salant医学博士和Jean Francis医学博士，以及肾病病理学家Joel Henderson医学博士都参与了这项研究。

每年死于肾脏病的人比死于乳腺癌或前列腺癌的人还要多慢性肾脏疾病(CKD)在一般人群中约占14%。超过66.1万美国人患有肾衰竭。其中，46.8万人正在接受透析，大约19.3万人在正常生活肾移植。2013年，超过47000名美国人死于肾脏疾病疾病。2013年，针对65岁及以上CKD患者的医疗保险支出超过500亿美元，占该年龄组所有医疗保险支出的20%。医疗保险服务付费支出肾功能衰竭受益人增加了1.6%，从2012年的304亿美元增加到2013年的309亿美元，占整个医疗保险支付索赔费用的7.1%。

---

---