《Seminars in Colon and Rectal Surgery》：Using Predictive Models and AI for AKI Research
编辑推荐：
AI在急性肾损伤中的应用及挑战，包括预测模型开发、严重性评估、持久性判断和患者结局优化，同时探讨自然语言处理与生成式AI的潜力，以及数据质量、可扩展性和伦理问题。
Madhumitha Rajagopal|Lili Chan|Girish N. Nadkarni
纽约西奈山伊坎医学院（Mount Sinai Icahn School of Medicine）Samuel Bronfman医学系，Barbara T Murphy 肾病学分会
摘要
急性肾损伤（AKI）是一种由多种原因引起的肾功能下降的疾病，是住院患者常见的并发症，且与较差的预后相关。随着电子健康记录的出现，已经开发出能够预测 AKI 的发生率和严重程度、AKI 持续时间以及患者预后（如死亡率和对肾脏替代疗法的需求）的机器学习算法。此外，这些算法还能根据患者的早期症状对其进行风险分层，从而辅助临床管理。像自然语言处理和生成式人工智能（AI，例如 ChatGPT）这样的新技术在 AKI 的预测和管理方面也显示出巨大潜力。本文综述了 AI 在成人 AKI 治疗中的作用，并探讨了未来需要解决的一些局限性和伦理问题。
章节摘录
引言
急性肾损伤（AKI）被广泛定义为肾功能突然下降（表现为血清肌酐升高或尿量减少）。AKI 在住院患者中很常见，且与更高的发病率和死亡率相关。1,2 AKI 的治疗主要是支持性的，重点在于治疗根本病因、预防进一步的损伤、谨慎使用可能具有肾毒性的药物以及处理并发症（如进行性/持续性 AKI）。
结论
AI 在改善 AKI 预测方面展现了巨大潜力，许多研究人员开发出了包含新方法并提高了性能的模型。然而，由于数据质量、获取途径和普遍适用性的问题，实际应用仍面临挑战。未来的研究需要包括前瞻性验证、以临床医生为中心的设计以及公平的部署策略，以确保 AI 能够充分发挥其在改善 AKI 治疗和预后方面的潜力。
