自从人工智能(AI)战胜围棋冠军后，各界对于AI深度学习在各领域应用的期望越来越高。在医学领域，医学与AI的结合，已经开始渗透到临床与科研的许多环节。

近期，两项新的研究表明，现代机器学习(人工智能的一个分支，系统从数据中学习、识别模式并做出决策)可能会增强传统的肾脏疾病诊断。临床上，病理学家通常根据对患者肾脏活检的视觉评估对各种肾脏疾病进行分类;然而，机器学习有可能自动化并提高分类的准确性。

在一项研究中，由布法罗大学雅各布斯医学和生物医学科学学院Pinaki Sarder博士和Brandon Ginley领导的一个团队开发了一种计算算法，可以在没有人类干预的情况下检测糖尿病肾病的严重程度。该算法在显微层面检查患者肾活检的数字图像，并提取肾小球的信息。肾小球是肾脏的小血管，负责过滤血液中的废物，使其排出。而在糖尿病进程中，这些结构会逐渐受损，变得伤痕累累。

每次肾活检通常包含10到20个单独的肾小球，该AI算法检测数字图像中每个肾小球子组件的位置，然后对每个子组件进行多次测量。研究人员解释说，该算法会进行一系列的观察，查看从活检组织中测量到的所有特征。就像医生在做活检分析时，会从一个肾小球看到另一个肾小球，并检查每个肾小球的结构一样。而且，该算法在检查肾小球结构时具有长期和短期记忆，因此它可以记住并将所有肾小球的信息纳入最终分析。

研究人员使用这种AI算法对54名糖尿病肾病患者的活检样本进行了数字化分类，发现数字化分类与3名不同病理学家的分类结果基本一致。

在JASN同时发表的另一篇文章中，荷兰奈梅亨Radboud大学医学中心的Jeroen van der Laak博士和Meyke Hermsen领导的一个团队应用机器学习检查肾移植活检，它不是单纯评估肾小球而是评估肾脏的多个组织类别。研究人员开发了一种名为“卷积神经网络(CNN)”的机器学习模型，发现它可以应用于多中心的组织，用于活检组织和肾切除样本，以及健康组织和病变组织的分析。此外，他们用标准的分类方法验证了CNN的结果。

van der Laak博士说：“在这项研究中，我们应用AI来精确分析肾移植组织，可以获得与疾病过程特征相符的高准确度和可再生数据，有助于促进肾脏移植研究，从长远来看，这也将改善移植患者的诊断，有望提高器官存活率。”

研究人员表示，卷积神经网络(CNN)的表现超出了他们的预期，尤其是它能准确区分近端肾小管和远端肾小管，这是两种不同类型的肾小管。“我们又纳入了8种组织分类，但CNN对它们的检测效果并不相同。例如，对于人类观察者来说，判断一个小管是否处于萎缩状态是很困难的，而CNN也很难做到这一点。我们正在努力使CNN在这方面做得更好。” Hermsen说：“机器学习在肾脏领域的应用非常有限，主要局限于检测单个结构。我们认为应该从肾脏组织中提取更多的信息，已完全支持移植评估。”

来源：美国肾脏学会(American Society of Nephrology)