张梦希

南方医科大学珠江医院

摘要(Abstract)：

目的 探讨人工智能机器学习模型在慢性肾脏病（CKD）分子标志物检测、亚型鉴别及早期诊断中的应用价值，对比传统分子诊断与人工智能辅助分子诊断的效能差异，为提升CKD精准诊断水平提供临床依据。方法 选取2023年1月—2025年10月我院收治的100例CKD患者为研究对象，对所有患者均同步实施传统单一分子检测诊断（传统诊断方式）与人工智能辅助多组学分子诊断（AI辅助诊断方式），中晚期CKD患者以临床病理穿刺结果为金标准，早期CKD患者以长期随访临床确诊结论、多学科综合诊断结果作为金标准，对比两种诊断方式的准确率、灵敏度、特异度及早期诊断检出率，并分析AI模型对不同CKD亚型的鉴别效果。结果100例患者中，AI辅助诊断准确率95.00%、灵敏度93.75%、特异度95.45%，显著高于传统单一分子诊断的83.00%、81.25%、84.09%（P＜0.05）；AI辅助诊断对CKD早期（1-2期）检出率90.00%，显著高于传统诊断的72.00%（P＜0.05）。AI模型对糖尿病肾病、IgA肾病、膜性肾病三种常见CKD亚型的鉴别准确率分别为92.86%、90.91%、91.30%，亚型鉴别稳定性良好。同时，AI辅助诊断误诊率、漏诊率显著低于传统诊断，且诊断耗时更短（P＜0.05）。结论 人工智能机器学习模型可有效整合CKD多组学分子数据，突破传统单一分子诊断的局限性，显著提升CKD诊断精准度与早期检出能力，可高效鉴别常见病理亚型，为CKD早期干预、精准分型治疗提供可靠的技术支撑，具备较高的临床推广价值。

关键词(KeyWords)：

人工智能；机器学习；慢性肾脏病；分子诊断；多组学；精准医学

参考文献(References)：

［1］周湘琰，陈红波，张培培，等.基因组测序助力慢性肾脏病的诊断和治疗［J］.江苏医药，2025，51（11）：1165-1168. 

［2］高立，王思懿，张敏菁，等.急性和慢性肾脏病小鼠模型中肾组织 SFXNs 表达下降［J］.基础医学与临床，2025，45（12）：1541-1547. 

［3］袁银芳，张湘远，张驰，等.基于网络药理学探讨穿山龙治疗慢性肾脏病的作用机制［J］.邵阳学院学报（自然科学版），2025，22（05）：67-75. 

［4］李海芳，朱艳华.慢性肾脏病患者血管钙化的机制研究［J］.生物技术进展，2025，15（05）：828-838. 

［5］黄娇娇，麦哲芬，黄曼秀，等.基于网络药理学和分子对接探讨六味地黄丸异病同治卵巢早衰与慢性肾脏病作用机制［J］.中国中医药图书情报杂志，2025，49（05）：42-48. 

［6］李塘莲，高蕾，安青青，等.纤维蛋白原在慢性肾脏病中的应用价值［J］.临床肾脏病杂志，2025，25（08）：718-723. 

［7］安金龙.基于“肾藏志”理论探讨慢性肾脏病患者认知功能障碍临床特征［D］.南京中医药大学，2025. 

［8］胡烨，周小华，应晨.高通量血液透析在慢性肾脏病患者治疗中的应用安全性［J］.透析与人工器官，2025，36（02）：25-28. 

［9］闫宝兰，邵凤民.非氧化型甲状旁腺激素在慢性肾脏病诊疗中应用研究进展［J］.中华实用诊断与治疗杂志，2025，39（06）：560-563. 

［10］金琪.基于 SIRT1/SIRT6 探讨益气清热解毒法改善慢性肾脏病肾小管损伤的机制研究［D］.中国中医科学院，2025. 

［11］张兴娜.人工智能在慢性肾脏病分子诊断中的应用研究［D］.山西医科大学，2022.