Nature子刊：中山大学林浩添/陈崴团队开发AI模型，利用视网膜图像无创诊断慢性肾病

来源：生物世界 2025-08-05 10:11

慢性肾病（CKD）是一种全球性的健康挑战，但作为和预后金标准的有创肾脏活检在临床上常常受到限制。

2025 年 7 月 29 日，中山大学中山眼科中心林浩添/林铎儒团队与中山大学附属第一医院陈崴团队合作，在 Nature 子刊Nature Communications上发表了题为：A noninvasive model for chronic kidney disease screening and common pathological type identification from retinal images的研究论文。

该研究开发了一种利用视网膜图像进行非侵入性肾脏活检预测的肾脏智能诊断系统（KIDS），在一项多中心、多民族的验证中，KIDS 在病中实现了 0.839-0.993 的受试者工作特征曲线下面积（AUC），并能准确识别出五种最常见的病理类型（AUC=0.790-0.932），其准确率比肾病专家高出 26.98%。此外，KIDS 还能根据病理分类预测疾病的进展情况。这种无创模型有可能改善慢性肾病的临床，尤其是对于那些不适合做活检的患者而言。

慢性肾病（CKD）是一个重大的全球公共卫生问题，影响着约 8.5 亿人，到终末期时会危及生命。作为慢性肾病（CKD）病理诊断和预后的金标准，肾脏活检为患者和医生都带来了显著益处，它能增进对疾病状态的理解，并表明活动性和慢性病变的程度，使医生能够制定有针对性的治疗计划，以保护肾功能，降低和死亡的发生率。

然而，肾脏活检常常受到高风险解剖特征、高死亡率的全身性疾病以及欠发达地区缺乏活检技术和肾病服务的限制。经皮肾脏活检术后最常见的并发症是出血，11% 的病例会出现血肿，1.6% 的病例需要输血。此外，在低收入地区，肾病专家极度短缺，与其他地区相比，肾脏护理的可获得性和可及性存在显著差距和差异。当患者无法进行或无法获得病理诊断时，治疗方案总是依赖于肾病专家的主观判断，且预后难以确定。

医学影像学，通过无创观察肾脏结构异常情况，已成为慢性肾脏病诊断的重要手段。人工智能（AI）辅助的医学影像分析已得到广泛研究，它能够帮助医生识别肉眼难以察觉的影像特征，为慢性肾病（CKD）的早期发现、病理及预后评估提供有价值的信息。尽管已经在 AI 辅助的慢性肾病相关检测的医学图像分析方面取得了积极进展，但用于预测肾脏活检的非侵入性模型，目前尚未实现。

在这项最新研究中，我们开发了肾脏智能诊断系统（Kidney Intelligent Diagnosis System，KIDS），这是一种利用视网膜图像或结合临床数据对慢性肾病（CKD）进行早期检测、病理诊断和长期预后预测的非侵入性模型。

研究团队利用接受了肾脏活检的的视网膜图像，或者结合临床数据对 KIDS 进行了训练，使 KIDS 能够准确有效地预测 CKD 的病理类型。KIDS 的通用性在来自中国南方、喀什以及索马里的外部多中心和多民族数据集上得到了验证。KIDS 在慢性肾脏病筛查中实现了 0.839-0.993 的受试者工作特征曲线下面积（AUC）。

此外，研究团队在一个前瞻性数据集中，将 KIDS 的表现与 12 名肾病专家的病理诊断表现进行了比较，KIDS 能够准确识别出五种最常见的病理类型（AUC=0.790-0.932），其准确率比肾病专家高出 26.98%。研究团队证实，KIDS 具备了与侵入性肾脏活检相当的诊断能力，此外，KIDS 还能够根据 5 年预后和风险对慢性肾病患者进行分层。