刘志红
撰写 | 东部战区总医院 国家肾脏疾病临床医学研究中心 陈听雨 刘志红
新技术革命和产业变革催生了第四次工业革命，大数据、云计算、智能机器人等技术的应用将人类带入了智能时代。国家“四个面向”的提出进一步昭示，未来中国必将加快生命健康领域科技发展的步伐，加紧补齐生命健康科技研究的短板。医学研究已进入大数据和精准化并行的融合时代，对数字模型、信息材料等理论和技术的依赖大幅提升，医学研究需在学科交叉中找到创新点和制高点。
科学进步和技术创新奠定了如今数据驱动的医学新时代的基础，随着基因测序、生理和环境检测水平、先进成像和行为跟踪能力的进步，基因组编辑、细胞重编程、组织工程、人工智能等技术的提高，人们能够以前所未有的清晰程度来评估和管理人类健康。这是通过利用高度“详细的”“纵向的”和“多参数的”健康决定因素来评估疾病风险因素，及早发现疾病，推动“精确的”和“动态的”调整干预措施，并根据实际结果确定预防和治疗的效果。
机器学习是人工智能中的重要分支之一，它被定义为使用计算机系统从样本数据以及过去经验中进行学习的相关算法和统计模型，机器学习不需明确地使用编程来执行特定的任务。机器学习具有识别数据中隐藏模式的能力，可以用来发现两个变量之间的相互关联、按照一定的标准对研究对象进行分类、基于基线特征进行相关结局的预测、识别具有相似模式的对象等。目前较为流行的机器学习算法包括支持向量机、随机森林、梯度增强树和人工神经网络等。人工智能技术已被广泛应用于医学领域，而在肾脏病领域，人工智能也已经在疾病预测、预后分析、患者分群、辅助诊断、基因组医学等领域得以应用和发挥作用。
疾病预测
IgA肾病是我国发病率最高的原发性肾小球肾炎，疾病具有高度异质性，且患者预后不佳，笔者团队将人工智能算法与统计分析方法相结合，建立了一套精准、可解释且临床实用的IgA肾病患者预后预测系统。通过研究回顾性分析来自中国18个肾脏病中心，2047例经肾活检确诊为IgA肾病的患者的基线及长期随访资料，资料涵盖了患者的流行病学特征、临床及病理指标等36个变量，最终建立了一个精准预测的机器学习模型及一个临床解释性能佳的危险分层模型，从而准确预测IgA肾病患者远期预后，为临床试验特定患者群筛选及患者分层管理提供工具。
狼疮性肾炎是我国最常见的继发性肾小球肾炎，患者临床病理表现多样，治疗反应及预后不一，且患者复发率高，复发率在现有治疗模式下仍达到39.3%。同样，使用机器学习和统计方法结合，笔者团队也建立了针对狼疮性肾炎患者的复发预测模型。使用1694例肾活检确诊的狼疮性肾炎患者的长期随访资料，笔者团队对患者缓解后5年内的复发进行了预测，模型的C统计量达到0.819（95%CI：0.774~0.857）。通过该模型，可以准确预测5年内狼疮性肾炎患者的复发风险，并进行风险的分层，从而为个体化治疗和管理患者提供更多的依据。
辅助治疗决策
IgA肾病的发病机制尚未完全阐明，尽管有大量的工作支持其为免疫介导的疾病，但免疫抑制剂在IgA肾病治疗中的疗效仍存在诸多争议。笔者所在中心的多中心随机对照临床试验及重复肾活检研究发现，除常见的临床变量（如肾功能、尿蛋白）以外，患者的肾脏病理改变对于指导免疫抑制剂治疗亦具有关键作用。因此，结合患者全面的临床、病理变量，基于人工智能算法，识别接受免疫抑制剂治疗的获益人群，对于指导IgA肾病患者的个体化治疗至关重要。笔者团队收集来了自全国24个中心4000多例患者全面的流行并临床及病理资料，通过人工智能算法自动将人群根据免疫抑制剂治疗的疗效差异分群，并找到使用免疫抑制剂疗效显著的亚群：在肾功能保持的患者中，免疫抑制剂治疗获益随着尿蛋白水平升高而增加，而在肾功能受损患者中，尿蛋白较高且伴有肾脏病理新月体病变的患者接受免疫抑制剂治疗可以显著获益。在以上获益的亚群中，使用免疫抑制剂能够减少50%~70%的终末期肾病发生风险，且研究结果在独立队列中得到了外部验证。
肾脏病理图像识别和分析
肾脏病理不仅有助于疾病的诊断，其在治疗方案的制定、临床预后的评估中均发挥重要的作用。笔者团队使用上万张肾小球病理图像训练多种深度学习网络，完成了包含肾小球识别、肾小球病变分类、肾小球内固有细胞识别和定量分析等在内的肾小球基本结构和病变的识别，证实人工智能模型可助力肾脏病理分析。由高年资病理医生对400余例来自国家肾脏疾病临床医学研究中心经病理明确诊断为IgA肾病患者的光镜切片的肾小球病变及结构进行精准标注，训练多种深度学习模型，最终整合成人工智能肾脏病理识别系统ARPS系统，该系统可精准识别肾小球基本病变（球性硬化、节段硬化、新月体），精度达92.8%；精准计算肾小球内三种固有细胞的数量，精度92.2%；并且自动计算系膜区积分。同时，该研究选取220个肾小球中的3万多个固有细胞，将ARPS系统与国家肾病临床医学研究中心的4位初级肾脏病理医生进行人机对照，对比两者在肾小球内细胞识别的精度和速度。最终，ARPS系统识别精度超越初级病理医生5%~11%，识别速度更是遥遥领先，是病理医生的50~90倍。该研究证明人工智能病理模型可以对肾脏病理组织中肾小球结构及病变进行精准识别，为未来人工智能助力肾脏病理诊断提供基础，也为肾脏病理走向数字化、精准化迈出重要一步。
编辑：郑梦莹
排版：高 冀
《中华医学信息导报》2021年6期第19版
