综述：人工智能技术对慢性肾脏病患者营养护理影响的系统综述

（编辑推荐）本综述系统评估了人工智能（AI）在慢性肾脏病（CKD）营养管理中的应用，涵盖机器学习（ML）、临床决策支持系统（CDSS）等技术对个性化饮食建议、并发症预测及患者教育的优化作用，为临床实践提供循证依据。

　　

Abstract
慢性肾脏病（CKD）是全球健康挑战，个体化营养管理对延缓疾病进展至关重要。人工智能（AI）通过创新工具为营养干预提供精准化解决方案，本文系统回顾了AI在CKD营养护理中的临床价值。

Introduction
CKD患者常伴随复杂的代谢紊乱，传统营养干预存在标准化与个体化矛盾。AI技术通过分析电子健康记录（EHRs）中的临床数据，可动态调整膳食方案。例如，机器学习（ML）模型能根据血清钾水平预测高钾血症风险，而生成式AI可创建符合文化背景的多语言饮食指南。

Methods
研究遵循PRISMA指南，检索Medline等5大数据库及灰色文献（2024年9-11月）。两位研究者独立采用Joanna Briggs Institute工具进行质量评估，最终纳入7项研究。关键筛选标准包括：AI技术类型（如CDSS）、CKD分期（G3-G5）及营养相关结局指标。

Results

1. 个性化干预：ML算法通过整合实验室数据（如eGFR、血钾）生成动态食谱，使高磷血症事件减少32%；
2. 风险预警：深度学习模型对蛋白质能量消耗（PEW）的预测准确率达89%，较传统方法提升40%；
3. 教育增效：生成式AI制作的动画食谱使患者依从性提高58%，尤其适用于低文化水平群体；
4. 流程优化：CDSS与EHRs对接后，营养师评估时间缩短65%。

Conclusions
AI在CKD营养管理中展现出三重优势：精准化（如钾摄入量动态调整）、前瞻性（并发症预警）和可及性（多语言教育材料）。未来需扩大样本验证CDSS在透析患者中的成本效益，并解决算法透明度问题以促进临床采纳。