儿科急性肾损伤检测与预测新进展：生物标志物与人工智能的突破

为解决儿科急性肾损伤(AKI)早期诊断和预测难题，研究人员系统综述了新型生物标志物（如Cystatin C、NGAL、IL-18、TIMP-2×IGFBP-7）和人工智能(AI)技术的应用进展。研究表明，这些方法显著提升了AKI的敏感性和特异性，结合电子预警系统和预测评分（如RAI、STARZ），为临床干预提供了更精准的决策支持，对改善患儿预后和降低医疗成本具有重要意义。

　　

儿科急性肾损伤(AKI)是全球住院患儿面临的重大健康威胁，约25%-33%的住院儿童受其影响，且与死亡率升高、长期肾功能并发症（如高血压、慢性肾病）密切相关。尽管KDIGO指南以血清肌酐(creatinine)作为诊断标准，但其滞后性（肾功能下降50%后才升高）和受肌肉质量、年龄等因素干扰的局限性，导致临床漏诊率高达65%-75%。更严峻的是，AKI患儿住院成本可翻倍，但传统方法难以实现早期干预。这一现状催生了生物标志物和人工智能技术的革新探索。

研究团队通过系统分析30余种生物标志物和机器学习(ML)模型，重点评估了四类关键指标：

1. 1.

   Cystatin C：不受年龄/性别影响的GFR标志物，AUROC达0.83-0.88；

2. 2.

   NGAL：肾小管损伤后2小时即升高的早期指标，敏感度91.3%；

3. 3.

   IL-18：缺血性损伤标志物，脓毒症患儿cutoff值3.868 ng/mL时敏感度92.5%；

4. 4.

   TIMP-2×IGFBP-7：细胞周期停滞标志物，FDA批准的NephroCheck试剂可预测12小时内中重度AKI。

   同时整合电子预警系统（如baby NINJA）和AI算法（随机森林模型AUROC=0.929），构建多维度预测体系。

检测技术突破

Cystatin C的稳定性使其成为肌酐的替代选择，尤其在心脏手术患儿中，其预测术后AKI的效能显著（AUROC=0.84）。NGAL的快速响应特性在化疗肾毒性监测中表现突出，尿NGAL>125 ng/mL对48-72小时内2-3级AKI的预测价值已获Meta分析验证。IL-18则填补了脓毒症相关AKI的诊断空白，而TIMP-2×IGFBP-7的商业化检测为床旁即时诊断提供可能。

预测模型革新

RAI评分（风险×损伤评分≥8）联合NGAL可将敏感度提升至85%，而STARZ新生儿评分通过10项参数（如胎龄<28周、脓毒症）实现92.8%的敏感度。AI技术进一步突破时间限制，如Dong等的ML模型可提前48小时预测AKI，Keles团队在低温治疗新生儿中实现AUROC 0.95的生存预测。

临床转化挑战

尽管成果显著，生物标志物仍面临年龄特异性cutoff值缺失、炎症干扰等问题，而AI的"黑箱"特性影响临床信任度。研究者呼吁开展多中心验证，并优化资源分配策略。

这项研究标志着儿科AKI管理从被动诊断转向主动预测的关键转变。通过生物标志物与AI的协同，不仅缩短了诊断窗口期，更通过电子预警系统实现了实时风险管控。未来需解决标准化实施和数据隐私问题，但其降低长期肾损害负担的潜力已为精准儿科医学树立新范式。