科研人員利用超級計算機(jī)和人工智能技術(shù)對腎臟受損程度和壽命進(jìn)行了預(yù)測。

現(xiàn)在，科研人員已經(jīng)能夠通過基于人工智能（AI）的超級計算機(jī)模型，借助患者前往醫(yī)院進(jìn)行腎臟活檢時獲得的影像，量化腎臟受損程度及預(yù)測腎臟剩余壽命。在《Kidney International Reports》雜志上發(fā)表的一項研究成果稱人工智能可幫助在床邊（point-of-care）進(jìn)行預(yù)測及協(xié)助臨床決策。

腎臟病理學(xué)（nephropathology）是一門分析腎臟活檢影像的專業(yè)。盡管美國的大型臨床中心可能會因擁有“內(nèi)部”腎臟病理專家而獲益良多，但美國大部分地區(qū)或世界各地的情況卻并非如此?？蒲腥藛T表示，將卷積神經(jīng)網(wǎng)絡(luò)（CNN）等機(jī)器學(xué)習(xí)框架應(yīng)用于對象識別任務(wù)被證實有助于疾病分類，同時能夠可靠地分析放射影像，包括惡性腫瘤。

為了測試將這項技術(shù)應(yīng)用于常規(guī)腎臟活檢分析的可行性，科研人員對腎臟纖維化（通常被稱為疤痕組織）程度各不相同的腎臟活檢切片展開了原理循證研究?；贑NN的機(jī)器學(xué)習(xí)框架依賴數(shù)字化影像的像素密度，而疾病的嚴(yán)重程度則由多個臨床實驗室衡量標(biāo)準(zhǔn)和腎臟存活率確定。隨后將CNN模型的表現(xiàn)與使用腎臟病理學(xué)家報告的纖維化程度作為唯一輸入及腎臟存活率作為輸出的模型進(jìn)行比較。在所有場景中，CNN模型的表現(xiàn)都比其他模型的表現(xiàn)要好。

“盡管專家級病理學(xué)家訓(xùn)練有素的眼睛能夠判斷出疾病的嚴(yán)重程度并能夠以極高的準(zhǔn)確度檢測出腎臟受損的細(xì)微差別，但并非所有地方都能夠提供此類專業(yè)經(jīng)驗，特別是在全球范圍內(nèi)而言。此外，目前對量化腎臟疾病的嚴(yán)重程度存在迫切需求，以期能夠?qū)⑴R床試驗中確定的有效療法應(yīng)用于治療在常規(guī)檢查中發(fā)現(xiàn)的疾病嚴(yán)重程度相當(dāng)?shù)幕颊?，”波斯頓大學(xué)醫(yī)學(xué)院（Boston University School of Medicine）助理醫(yī)學(xué)教授Vijaya B. Kolachalama博士解釋道?！叭绻谂R床中應(yīng)用，我們的研究成果將幫助病理學(xué)家及早發(fā)現(xiàn)相關(guān)情況及獲取之前無法得到的洞察，”Kolachalama表示。

科研人員認(rèn)為，其模型在診斷和預(yù)后方面都具有應(yīng)用價值，并可能催生用于診斷腎臟疾病以及預(yù)測腎臟存活率的軟件應(yīng)用程序的開發(fā)?！叭绻澜绺鞯蒯t(yī)務(wù)人員的床邊腎臟活檢影像分類準(zhǔn)確度能夠達(dá)到腎臟病理學(xué)家的水平，這將對腎臟疾病臨床實踐產(chǎn)生重大影響。從本質(zhì)上來說，我們的模型具有作為代理腎臟病理學(xué)家的潛質(zhì)，特別是在資源有限的環(huán)境中，”Kolachalama說道。

來自波斯頓醫(yī)療中心（Boston Medical Center）的三位腎病主治醫(yī)師Vipul Chitalia（醫(yī)學(xué)博士）、David Salant（醫(yī)學(xué)博士）和Jean Francis（醫(yī)學(xué)博士）以及腎臟病理學(xué)家Joel Henderson（醫(yī)學(xué)博士）均對本研究有貢獻(xiàn)。

腎臟疾病每年奪去的生命比乳腺癌或前列腺癌奪去的生命都要多，一般人群的慢性腎臟疾?。–KD）整體患病率約為14%。超過661,000個美國人患有腎衰竭。其中468,000人接受透析治療，約193,000人通過移植的腎臟生存。2013年，超過47,000個美國人死于腎臟疾病。聯(lián)邦醫(yī)療保險（Medicare）對65歲及以上CKD患者的支出在2013年超過500億美元，占這一年齡組所有聯(lián)邦醫(yī)療保險支出的20%。聯(lián)邦醫(yī)療保險對腎衰竭受益人的醫(yī)療費(fèi)用支出增長了1.6%，從2012年的304億美元增長到2013年的309億美元，占所有聯(lián)邦醫(yī)療保險已付償付費(fèi)用的7.1%。