2026 年 8 月到 11 月,围绕肾功能减退的两大综合征(AKI,acute kidney injury,肾功能的急性恶化;CKD,chronic kidney disease,肾功能的持续减退)的 AI 预测研究集中刊出:《Frontiers in Artificial Intelligence》刊出把「分类」从「预测」里剥出来的系统综述(10 月 19 日);《Cureus》刊出以固定 24-48 小时时距预测新发 AKI 的风险分层模型系统综述(10 月 14 日);《Therapeutic Drug Monitoring》对万古霉素相关 AKI 做了 11 个机器学习模型的并列比较(11 月 2 日在线);《JMIR Medical Informatics》发布跨四个站点验证、微调覆盖四种终点的生物标志物感知 Transformer(10 月 26 日);《Kidney International Reports》把超早产儿随访到青春期,发现围产期因素在测试集回落到随机水平(9 月 17 日在线、12 月刊);《Kidney International》把「模型与临床用途对齐」写成综述主题(11 月 12 日);《Kidney Medicine》用一个已发表的机器学习模型给 1,050,552 名 CKD 患者做进展风险分层,并算出三组费用的差距(8 月 3 日在线、10 月刊)。这些研究有的报告性能数字,有的解剖「预测」这个词的语义,但回答的问题各不相同:预测多远(时距)、预测谁(人群)、预测什么(终点),三个条件的取值篇篇不同(本文概括)。把它们放回各自的条件里并排读,这批证据的形貌才显出来:综述收进的 CKD 研究里,七成以上「预测」的时距为零;时距固定在 24-48 小时,内部判别中等偏好而外部普遍回落;时距拉到 18 年,模型回落到随机水平,监测建议反而更有依据;把预测当分层工具用,能兑现的是费用关联,不是干预增量。
## 72.2% 的「预测」没有面向未来
术语先要过一道筛子。《Frontiers in Artificial Intelligence》刊出的系统综述(天津大学、泰国 King Mongkut's University of Technology Thonburi、尼日利亚巴耶罗大学与联邦杜特辛马大学、瑞典布莱金厄理工学院、摩洛哥 Euromed 非斯大学、新西兰惠灵顿维多利亚大学等团队,XML 载 8 条单位记录,6 位作者,声明无商业或财务利益关系)指出:在 CKD 的 AI 研究里,「预测」一词被用于从「同期疾病分类」到「真正预测未来的肾功能结局」的各种任务。团队按预定义方案在 Scopus 单库检索 2021-2026 年,纳入 169 项一手研究,并给「面向未来的预测」立了四个要素:可识别的基线、基线时或之前可得的预测因子、其后新发生的肾功能结局、有意义的预测时距。结果:122 项(72.2%)做的是现时态 CKD 检测或分类,只有 46 项(27.2%)含明确的面向未来预测成分(122+46=168,与总数 169 差 1,摘要未说明差额归属,照录不推断);17 项用了地理或机构外部验证,只有 4 项用了独立外部队列或数据集;12 项评估了校准,16 项报告了显式可解释性方法。方法学质量用 PROBAST+AI 评定:开发阶段 156 项、评估阶段 164 项存在高总体偏倚风险(156/169=92.3%、164/169=97.0%,本文复算),没有一项研究获得总体低风险判定。结论照录:CKD 方向的 AI 证据在回顾性分类上显著强于真正的早期预测或临床转化;未来研究应优先纵向预测、独立与时间验证、抗泄漏分析、校准、经临床验证的可解释性与前瞻真实世界评估。本文判断:这份综述顺手提供了一个自查工具,四要素里缺任何一条,「预测」就该改个名字;而「无一低风险」的判定,比任何单项性能数字都更能说明这个领域目前缺什么。
## 把时距固定在 24-48 小时
把条件写进纳入标准的研究长什么样?AKI 方向正好有一份系统综述。《Cureus》刊出的这篇综述(英国、苏丹、科威特、爱尔兰、马恩岛与沙特的医院和大学团队,9 位作者,按 ICMJE 统一披露表声明无财务支持、无相关财务关系)按 PRISMA 2020 检索五个数据库(PubMed、Web of Science、Scopus、Embase、CINAHL),窗口为 2021 年 1 月至 2026 年 9 月;纳入标准把三个条件里的两个写死:终点是新发 AKI,时距是固定的 24 或 48 小时,且必须报告该时距上的判别力;人群则限定为未选择的住院或重症患者。数据提取用 CHARMS 清单,偏倚风险用 PROBAST 评定。947 条记录筛出 13 项研究,来自美国、中国、台湾、新加坡、瑞典与多国联盟,合计分析约 623,000 次入院或就诊;6 项研究重症患者、6 项研究普通或全院住院患者(其中 1 项在儿童)、1 项未报告场景,同一时距与终点之下,人群场景在研究间并不一致;最常见算法为梯度提升树与深度序列模型。内部 AUROC 范围 0.72-0.99;外部 AUROC 范围 0.58-0.87,且通常更低(源措辞 usually lower)。比性能范围更结构性的,是三个数字:13 项研究里,正式评估校准的只有 2 项,包含前瞻验证的只有 1 项,评估模型提示对患者结局影响的为 0 项。偏倚风险总体判定:低 5 项、不明 6 项、高 2 项。结论照录:提前 24-48 小时预测 AKI 的模型判别中等偏好,但外部验证时性能下降;校准报告与临床影响证据仍然稀缺;以影响为重点的前瞻评估应先于常规部署。本文判断:把时距与终点写死之后,剩下的落差才读得出含义:内部区间 0.72-0.99说明这批模型在自家数据上能学会,0.58-0.87 的外部区间说明学会的东西普遍带不走;而 2-1-0 三个数字说明这批研究停在判别力上,还没有走到临床后果那一格。
## 时距收窄到初始给药期
时距还能更窄。《Therapeutic Drug Monitoring》刊出的研究(名古屋市立大学及其附属医疗中心、爱知学院大学团队,23 位作者,声明无利益冲突)把问题限定在万古霉素治疗的初始给药期:万古霉素相关 AKI 在治疗早期就会发生,而早期非稳态暴露的预测价值此前不清楚(研究背景句注明,AUC 引导的给药方案已是推荐做法)。442 名患者(中位年龄 72 岁)中 5.7% 发生 AKI(442 人的 5.7%,折合约 25 例,本文复算);输入为早期 AUC、谷浓度、合并用药与合并症;11 种算法用嵌套交叉验证评估,源明言目的为最小化乐观偏倚、防止数据泄漏。结果:第 2 天 AUC 与谷浓度在跨模型中一致成为最重要预测因子,其后是哌拉西林/他唑巴坦、利尿剂与血管加压药的合并使用。随机森林综合判别最佳:AUROC 0.89、AUPRC 0.47。SHAP 显示预测风险在第 2 天 AUC 约 ≥550 mg·h/L、谷浓度约 ≥20 mcg/mL 处非线性上升。结论照录:早期万古霉素暴露(尤其前 48 小时累积暴露)与 AKI 风险强相关;整合早期 AUC 与谷浓度的模型「可能为万古霉素治疗早期的个体化 AKI 风险预测提供临床有用的框架」(源措辞 may provide)。两点需要单独说明(本文判断):其一,5.7% 的发生率下 AUPRC 只有 0.47,提醒在低患病率人群里,AUROC 0.89 对应的精确率上限有限,时距窄了,人群条件(这个模型将用在谁身上)的分量反而更重;其二,≥550 与 ≥20 是从 SHAP 曲线读出的非线性拐点、不是预注册的决策阈值,不能直接当给药规则用。
## 发生、逆转、恢复、死亡
数据不变、模型不变,只把终点换一换,性能会差出多少?《JMIR Medical Informatics》刊出的 BAT-AKI 研究在报告方式上给了一个正面样本(匹兹堡大学、爱荷华大学、得克萨斯大学西南医学中心、佛罗里达大学、堪萨斯大学医学中心、辛辛那提儿童医院团队,10 位作者;利益冲突照录:有作者披露曾为 Regulus、Calico、Janssen、Sarepta 提供咨询或任顾问,主持或参与过 Pfizer、Amgen、Eli Lilly 资助的研究,获 NIDDK 与 Vantive 资助及 Vantive、Baxter、AM Pharma、Bioporto、La Jolla、Novartis、Fresenius 咨询费,一位作者为 OncoSeer Diagnostics 首席科学官,均声明与本研究无关)。BAT-AKI(Biomarker-Aware Transformer for AKI)整合时间动态、文本描述、层级本体与语义关系的多维嵌入,用掩码语言建模加一个新的「生物标志物异常感知」预训练任务;在 PCORnet 网络的一个站点预训练与内部验证,另 3 个站点做外部验证;微调覆盖四个终点:AKI 发生、早期逆转、出院时恢复、AKI 后 90 天死亡。发生终点内部 AUROC 0.8549(95% CI 0.8433-0.8658)、AUPRC 0.6041(0.5786-0.6292),AUROC 超第二名基线 2.8%、AUPRC 超 8.1%;三个预后终点 AUROC 依次 0.6006(0.5703-0.6318)、0.6080(0.5745-0.6397)、0.8017(0.7708-0.8311),AUPRC 依次 0.7036(0.6690-0.7388)、0.7417(0.7082-0.7765)、0.5063(0.4422-0.5684),相对第二名基线增益 AUROC 2.4%-6%、AUPRC 3.7%-4.1%。外部队列发生终点 AUROC 0.7754(0.7677-0.7827)至 0.7989(0.7885-0.8092)、AUPRC 0.4777(0.4631-0.4924)至 0.5687(0.5495-0.5871),相对 Transformer 基线改善 3.7%-5.3% 与 16.8%-25.3%;低资源设置仅用 2% 微调数据仍达 AUROC 0.7898(0.7759-0.8036)、AUPRC 0.4903(0.4640-0.5178),超第二名基线 4.2% 与 10.9%。嵌入、注意力模式与积分梯度特征归因的可视化展示了临床上有意义的关系与患者个体轨迹。作者结论照录:BAT-AKI 提供跨机构一致判别的 AKI 预测与预后,并输出可解释性信息,支持其用于风险提示与 AKI 诊疗优化的潜力。三点需要单独说明(本文判断):内部 0.8549 到外部 0.7754-0.7989,衰减 0.056-0.080(本文复算),与前述综述的外部区间方向一致,而这篇把内外两套数字连 CI 一起摆出来,这个报告习惯本身就是这批文献里最值得学的部分;数据与模型不变、只换终点,按 AUROC 口径,发生 0.8549 远高于早期逆转 0.6006 与出院时恢复 0.6080,90 天死亡 0.8017 反而比两个中间终点更可判,而按 AUPRC 排序反转(两个中间终点 0.7036、0.7417 对死亡 0.5063):「预测 AKI」其实是四种难度不同的任务,换终点、换指标,全部数字都要重读;低资源设置用 2% 微调数据仍达 0.7898,考验的是预训练表征的可迁移性(本文推断方向)。
## 当时距拉到 18 年
把时距拉到这批文献最长的一端:从出生到 18 岁。《Kidney International Reports》刊出 ELGAN-ECHO 队列(美国 14 家医院)的随访研究(北卡罗来纳大学、约翰斯·霍普金斯大学、阿拉巴马大学伯明翰分校、匹兹堡大学团队,11 位作者;PubMed XML 未见 COI 声明字段,照录):胎龄不足 28 周出生的超早产儿,青春期时的肾健康如何,围产期因素能不能提前预测?675 名青少年(平均年龄 18 岁)中 354 名(52%)有可分类的肾健康状态:188 名三项测量齐全,166 名部分测量且至少一项异常(188+166=354,本文复算)。「肾健康异常」按三项指标至少一项界定:CKiD U25 公式 eGFR(estimated glomerular filtration rate,肾功能常用指标)低于 90 ml/min/1.73 m²、血压达到或超过 120/80 mmHg、微量白蛋白尿超过 30 mg/g(源术语 abnormal kidney health,本文译法与定义一并给出)。结果:完整测量组患病率 66%(125/188,本文复算 66.5%),全部可判定病例 82%(291/354,本文复算 82.2%);计入缺失数据的界定估计为全队列 43%-91%。单项看:eGFR 降低 30.5%、血压升高 42%、微量白蛋白尿 9%。预测侧:5 种特征选择方法筛选围产期协变量,60:40 训练-测试拆分,多重插补做敏感性分析;所有方法下,围产期协变量对肾健康异常的测试集判别都处于随机水平(AUC 0.48-0.55),而训练集 AUC 为 0.66-0.72。结论照录:超早产后肾健康异常高度流行,凸显整个儿童期方案化纵向监测的重要性,以便早期识别 CKD 与血压升高;所检验的围产期因素未能有意义地预测肾健康异常,变量重要性没有转化为该队列中的个体水平预测。两点判断(本文判断):训练集 0.66-0.72 对测试集 0.48-0.55 的落差,是这批文献里边界最清楚的过拟合实例,时距 18 年,起点是围产期变量,终点是成年早期的三项测量,中间整个发育过程都不在特征里;更值得注意的是作者的处理方式,预测失败没有让他们软化监测建议,当模型退出,方案化监测反而拿到了更直接的依据,66% 与 82% 的患病率本身就是理由。
## 以年计的分层,终点写成费用
时距以年计、终点从临床事件换成医疗费用,预测会以另一种形态存在:分层。《Kidney Medicine》刊出的回顾观察研究(作者单位含卫生经济咨询公司 Analysis Group、药企 Bayer 的美国分部、曼尼托巴大学、布莱根妇女医院与哈佛医学院,15 位作者;PubMed XML 未见 COI 声明字段,照录,单位含咨询公司与药企,本文不推断关系性质)分析 Optum 电子病历库中 1,050,552 名美国成年 CKD 患者(2007 年 1 月 1 日至 2022 年 9 月 30 日);工具为摘要所称「先前已发表并经验证的机器学习模型 Klinrisk」(源措辞 previously published and validated;摘要未说明作者与所用模型的关系,本文不推断),按进展风险分为低、中、高三组,比较 CKD 诊断后一年内的利用与费用。结果:高风险组年均住院 1.49 次、急诊 0.83 次、门诊 35.75 次,低风险组依次为 0.31、0.63、24.45 次(比值约 4.8 倍、1.3 倍、1.5 倍,本文复算);年均总医疗费用低、中、高风险组分别为 16,018、22,090、50,218 美元(2023 年美元;高与低约 3.1 倍,本文复算)。局限照录:仅计支付方直接医疗成本、不含间接成本;费用为利用量乘以先前研究估计的单位成本,而非实际理赔支出;Klinrisk 只预测 CKD 进展、不预测心血管结局。结论照录:模型判定的高风险组利用与费用更高,「可能受益于医学干预与照护管理以减轻经济负担」(源措辞 may benefit,推测性表述)。本文判断:这项研究能支持的结论是「分层与费用相关」,不是「按分层干预能省钱」,因果方向显而易见,病得更重的人进展风险与费用同高;分层干预的增量价值需要前瞻试验,摘要的推测性措辞本身是恰当的。长时距模型的现实出口或许正在于此:不承诺预知个体的未来,只承诺把人群排出优先级,而优先级的价值最终要靠干预试验兑现。
## 预测谁:只对相似的人好用
第三个条件是预测谁。《Kidney International》用一整篇综述来立论(阿伯丁大学、卡尔加里大学、阿尔伯塔大学、渥太华大学、哥本哈根大学与阿尔伯塔省级研究数据服务等团队,16 位作者;PubMed XML 未见 COI 声明字段,照录)。核心主张:预测模型只有在「建它的患者」与「现在被治疗的患者」相似时才好用,相似要同时看疾病类型、照护场景与病程阶段。显性错配容易看见:住院患者数据上建的模型,未必适配家庭诊所里见到的人。隐性错配更难察觉,来自患者在慢病旅程中的位置。综述以重度 CKD 为例:用「近期刚进展到重期」的患者建的模型,对处于同一时点的患者更好用;用「已带病多年」的患者建的模型,对病程更靠后的患者更好用。综述并给出保持预测与服务人群对齐的实操步骤(综述定位,摘要未报告合并效应量)。本文判断:这一篇把问题从「换一份数据掉多少分」推进到「这个模型本来是为谁建的」,外部验证量的是性能落差,适用性问的是身份错位;与前文合读,27.2% 的面向未来预测还要再加一个定语:且目标人群对齐。时距与终点之外,人群是第三个必须写进报告的条件。
## 三个判断
其一,数字只有放回三个条件里才能读。内部区间 0.72-0.99 到外部区间 0.58-0.87 的普遍回落、BAT-AKI 内外 0.056-0.080 的衰减、同一个模型里发生 0.8549 与早期逆转 0.6006 的难度差、18 年时距上的随机水平 0.48-0.55,量的不是同一样东西:前两个是数据与人群的更换,第三个是终点的更换,第四个是时距的拉长加上发育过程整体不在特征里。任何两个数字的直比,都是跨条件的范畴混淆(本文综合)。
其二,把条件写清楚正在成为报告的新常规。Front AI 的四要素定义给「预测」的语义划界,Cureus 综述的纳入标准把时距与终点写死,BAT-AKI 把内外两套数字连 CI 并报,TDM 研究把嵌套交叉验证与防泄漏明写为设计目标,KI 综述给出保持人群对齐的实操步骤,五项来源各把一条规矩立了起来,方法学的重心在从「更高的 AUROC」移向「更清楚的说明」(本文概括);而同一份 Front AI 综述里开发阶段 156 项、评估阶段 164 项高偏倚风险与零项低风险判定,是对旧常规的领域级判词。
其三,失败与局限是这批文献里信息量最大的资产。ELGAN-ECHO 的随机水平判别没有软化监测建议,反而支撑方案化纵向监测(预测不成立不等于随访不必要);Klinrisk 的费用分析止步于分层与费用的关联,把分层干预的增量价值留给前瞻试验;Cureus 综述的 2-1-0 结构缺口指向以影响为重点的前瞻评估先于常规部署;Front AI 综述把 72.2% 的「分类」从「预测」里剥了出来。这些阴性结果与边界声明,比任何单项高分都更清楚地划出了这个方向已经证明与尚未证明的部分(本文判断)。
## 不同读者能带走什么
肾内科、重症与临床药学医师:AKI 提前 24-48 小时风险分层模型的当前证据等级是「判别中等偏好、外部普遍回落、校准正式评估罕见、结局影响零评估」,模型输出应当作复核时机的由头,不是诊断结论;万古霉素治疗中的早期暴露指标(第 2 天 AUC、谷浓度)在模型里分量最重,但 ≥550 mg·h/L 与 ≥20 mcg/mL 是 SHAP 曲线读出的拐点、不是给药规则,剂量调整的执行仍回到 AUC 引导方案与临床判断。医院管理与采购:采购前把三个条件逐一核对,校准报没报、外部衰减多少、目标人群与本院患者对不对齐;合同写入本地验证条款与适用人群描述;别人家报告的 AUROC 不等于在你家能复现。模型开发者:在标题与摘要里写清任务是分类还是预测,用四要素自查(可识别基线、基线前可得的预测因子、其后新发生的结局、有意义的时距);内外两套数字连 CI 并报;低患病率场景 AUPRC 必须与 AUROC 并报,5.7% 发生率下 AUPRC 0.47 就是例子;嵌套交叉验证与防泄漏不再是加分项而是最低要求;PROBAST+AI 无一总体低风险的现状说明旧的方法学门槛已不足以支撑发表级证据。研究设计与资助方:「以影响为重点的前瞻评估应先于常规部署」是 Cureus 综述的原话结论;分层干预的增量价值需要前瞻试验而非费用关联;Front AI 综述列出的资助优先级为纵向预测、独立与时间验证、抗泄漏分析、校准、经临床验证的可解释性与前瞻真实世界评估。患者与公众:风险分层模型给出的「高风险」不是诊断结论,高风险不等于必然进展;有超早产出生史的儿童请按医嘱进行肾功能相关的长期监测与随访,队列证据(患病率 66% 与 82% 两个口径)支持这类方案化安排;这些研究不改变任何个人的化验、用药或随访决定,监测方案由本人与医生按个体情况确定。
口径与边界:本文七项来源均为摘要层面材料,全文未获取;日期为 PubMed 记录的在线或刊期日期,导语「8 月到 11 月」窗口按在线日期口径(其中两项分属 12 月刊与 10 月刊)。DOI 以官方数据库值为准并逐一与 Crossref 核对(7/7 返回 200);个别来源的 DOI 在检索记录中出现串行错误,均已采官方值,错误串号本文不采用。AKI 与 CKD 全文以英文缩写锚定,首现处给英文全称;renal outcome 译作「肾功能结局」、abnormal kidney health 译作「肾健康异常」,其三项指标定义已在正文就地给出。ELGAN-ECHO 全队列患病率 43%-91% 为计及缺失数据的界定估计,正文以完整测量组 66% 与可判定病例 82% 两个口径为主读;KIR 源摘要「mg/g.Five」连写为原文笔误,照录且本文未引用该句。Front AI 综述 122+46=168 与总数 169 的差 1 照录、不推断归属。BAT-AKI 的「早期逆转」与「出院时恢复」两个终点摘要未给操作化定义,本文不代述。Kidney Med 的费用为利用量乘以先前研究估计的单位成本,非理赔实际支出;摘要未说明作者与所用模型的关系,本文不推断。利益冲突与资助信息以各摘要与 XML 声明所载为限,本文不作「无利益冲突」的断言:BAT-AKI 作者披露的多项产业关系(均声明与本研究无关)与 Kidney Med 作者单位含咨询公司及药企均已在正文照录。
来源:Frontiers in Artificial Intelligence,2026 年 10 月 19 日(PMID 42973855,https://doi.org/10.3389/frai.2026.1976937);Cureus,2026 年 10 月 14 日(PMID 43032854);Therapeutic Drug Monitoring,2026 年 11 月 2 日(PMID 42969835);JMIR Medical Informatics,2026 年 10 月 26 日(PMID 42932871);Kidney International Reports,2026 年 9 月 17 日在线、12 月刊(PMID 42903614);Kidney International,2026 年 11 月 12 日(PMID 43020184);Kidney Medicine,2026 年 8 月 3 日在线、10 月刊(PMID 42820039)