“我们将改变贫血治疗方式，我们将改变瘘管控制方法。未来将是人工智能（AI）的天下。”罗马尼亚雅西格里戈雷·T·波帕医药大学副校长、科学研究员阿德里安·C·M·科维奇博士（Adrian C.M. Covic, MD, PhD）在2025年第62届欧洲肾脏协会（ERA）大会的一场专题讨论中宣布。
科维奇指出，过去30至40年间，透析领域的死亡率改善有限。“我们并没有取得太多进展，”他说，“但AI可能成为改变游戏规则的关键。”
他解释道，家庭透析是一个高度标准化的过程，能够生成大量医疗数据。目前，不同的机器学习模型已经被应用于基于AI的临床决策支持循环中——这一循环涵盖了从问题识别到算法开发、验证以及最终实际部署的全过程。这些模型能够处理多达50万名患者的数据，并发现临床医生可能忽略的变量。
科维奇报告称，AI已经超越了传统模型（如肾衰竭风险方程）在预测何时开始透析和预测死亡率方面的表现。在一项对比研究中，10位经验丰富的肾病学家中有8位在预测30天和90天生存率时输给了AI模型。“只有一位肾病学家在一年期预测中胜过了AI，”科维奇说道。
除了生存预测外，AI模型还能够准确预测接受血液透析患者发生重大不良心脏事件和胃肠道出血住院的风险。科维奇补充道，诊断能力也在提升。他描述了自然语言处理技术如何通过分析临床记录比国际疾病分类第十版（ICD-10）编码更敏感地识别症状。在模拟临床案例中，经过优化的大型语言模型AI系统AMIE在诊断准确性方面胜过了医生。“AMIE在选择正确症状方面远胜于医生，”他说。
在治疗方面，AI模型正在帮助临床医生提前15至75分钟预测透析过程中出现的低血压现象，其接收者操作特性曲线下的面积（AUC）达到0.89。此外，AI还能够通过分类动脉瘤和预测狭窄来管理血管通路。例如，某模型在分类准确性上达到了86%；另一款名为DeepVAQ的AI设备利用光电容积描记数据检测狭窄，其AUC为0.86。
科维奇还展示了AI在改善贫血控制方面的证据。一个训练于17万份临床记录上的模型，在血红蛋白浓度预测中的平均绝对误差仅为0.59 g/dL，并在实施过程中显著提高了患者的血红蛋白水平。“我们首次接近通过AI完成透析中贫血管理的元分析，”他说。
甚至设备集成也在进步。AI赋能的工具如声波造影和机器人断层超声正在改进血管评估。“你不再需要技术人员——设备本身将标准化分析过程，”他说。
尽管科维奇充满乐观，但他也发出警告：AI模型正变得越来越不透明，“我们无法了解这些算法，”他说，“这一过程近乎对神性的信仰。”
通过政策扩大可及性
转向可及性议题后，华盛顿大学医学院贝尔丁·H·斯克里布纳讲席教授兼肾病学部主任拉金尼什·梅赫罗特拉博士（Rajnish Mehrotra, MD, MS）主张通过政策手段推动家庭透析，特别是腹膜透析（PD），以缩小全球透析差距。
“每年有近200万人因缺乏肾替代疗法而死于肾衰竭，”梅赫罗特拉说。他指出，PD非常适合资源匮乏的环境。“血液透析需要大量人力，而PD则相对高效。”此外，PD的碳足迹显著低于中心化血液透析，不到其四分之一。“它大幅减轻了患者在交通上的负担，”他补充道。
梅赫罗特拉提到了泰国2008年的“PD优先”政策，该政策迅速扩大了透析的可及性。“那些原本因无法获得透析而会死亡的人得以存活，”他说。尽管后来政策有所放松，但泰国的PD使用率仍然保持高位。
在美国，2011年后财务改革推动了PD使用的翻倍增长。报销平价和捆绑支付中和了此前偏向血液透析的激励措施。“这项公共政策安全地促进了PD的使用，取得了巨大的成功，”梅赫罗特拉表示。
远程医疗在日常实践中的应用
最后，意大利维琴察圣博托洛医院肾病、透析与移植科的萨布丽娜·米兰·马纳尼博士（Sabrina Milan Manani, MD）介绍了将AI引入患者家庭的实用创新。“家庭透析是肾病学中以患者为中心护理的基石，”她说。
她的团队采用了一种混合模式，结合家庭访问和远程监控来进行家庭透析。借助云端连接的循环机，临床医生每天早晨都会审查夜间透析会话并进行远程处方调整。“这是一个双向通信系统，”她指出。
马纳尼展示了她所在中心的结果：接受远程监控的患者减少了紧急就诊次数和因疾病相关事件的住院次数。“我们观察到患者对护理团队和治疗更加信任，”她说。
她还描述了一个将远程医疗整合到实际操作中的协议，在治疗的前15天内频繁审查新患者的数据，随后对稳定患者每周审查一次。她补充道：“只有当出现临床问题时，我们才会邀请患者到医院。”
然而，她承认并非所有患者都能平等受益。老年人可能在连接技术和理解技术方面遇到困难，关于并发症减少的证据仍然参差不齐。“显著的结果在于疾病相关的住院和技术故障，但证据质量较低或非常低，”马纳尼说。
尽管如此，她仍对未来的可穿戴设备和AI增强警报充满期待。“灵活性和创新对于推广家庭疗法至关重要，”她总结道。“远程监控可以与传统随访相结合，实现安全且高质量的护理。”
未来之路
将AI融入肾脏护理的主要挑战仍然存在。正如科维奇所说，“预测目前是AI和机器学习在透析中最广泛的应用，”但他强调需要进行严格的随机对照试验。“我们现在应该转向这种类型的随机对照试验，”他敦促道。
信任和可解释性是AI面临的重大问题。“很难甚至不可能知道它们是如何产生结果的，”科维奇谈到AI模型时表示。但结果却越来越难以忽视。“优化的机器学习模型可以增强风险识别并推动预防性干预，”他总结道。
(全文结束)
