将基于人工智能的生物标志物整合到糖尿病肾病护理中：来自KidneyIntelX精准医疗项目的证据

《Kidney News Online》：Integrating AI-Based Biomarkers Into Diabetic Kidney Disease Care: Evidence From the KidneyIntelX Precision Program

KidneyIntelX通过整合血浆生物标志物与电子健康记录数据，有效预测糖尿病肾病患者5年肾功能恶化风险，指导针对性干预，显著提升血糖控制和蛋白尿水平，但长期预后仍需更多数据验证。

　　

尽管在糖尿病肾病（DKD）的治疗方面取得了最新进展，但许多患者仍未能及时获得优化的治疗——这通常是由于治疗上的惰性以及日常实践中的风险分层不足所致（1–3）。2024年的一项真实世界证据研究表明，KidneyIntelX这一基于机器学习的平台通过整合生物标志物与临床数据，能够更早地识别高风险患者，并指导更有针对性的干预措施，从而帮助缩小这一差距（1）。

KidneyIntelX结合了三种血浆生物标志物——可溶性肿瘤坏死因子受体1和2以及肾损伤分子-1——以及电子健康记录中的临床数据，以预测患者5年内肾功能进展性下降的风险（4, 5）。在这项纵向研究（NCT04802395）中，Mount Sinai Health System的2569名2型糖尿病患者和早期DKD患者在检测后至少被跟踪了12个月。

风险等级（低、中、高）直接影响了医生的决策和患者的参与度。在高风险患者中，有43%在6个月内接受了新的处方治疗，如钠-葡萄糖共转运蛋白2抑制剂（SGLT2i）或胰高血糖素样肽-1受体激动剂，或者被转诊给专科医生；而在低风险患者中这一比例为19%。高风险组开始使用SGLT2i的概率几乎是低风险组的五倍（19%对比4%）（图表）。这些措施带来了临床上的改善：高风险组患者的血红蛋白A_1C中位数从8.2%降至7.5%，所有中等风险患者的尿白蛋白与肌酐比值下降了约20%，而在接受新SGLT2i处方的中等风险患者亚组中，该比值下降了约50%，所有风险水平的估计肾小球滤过率斜率也有所改善（1）。

查看全尺寸

图表。

根据风险组别划分，在KidneyIntelX检测后6个月内接受新SGLT2i处方和专科转诊的患者比例

引用：Kidney News 17, 9; 10.62716/kn.001182025

• 下载图表
• 下载为PowerPoint幻灯片

人口健康基础设施，包括护理导航团队、药剂师和远程监测，增强了KidneyIntelX的效果。例如，在参与远程高血压管理计划的高风险和中等风险患者中，血压控制率从33%提高到了61%，平均收缩压降低了11.8毫米汞柱。值得注意的是，在护理协调框架中整合预测性风险评分使得原本会在标准护理路径中延迟的干预措施得以及时实施。

重要的是，98%的高风险患者对护理导航团队的帮助表示赞赏，97%的患者表示有动力采取行动——这凸显了个性化风险沟通的价值。教育与数据驱动的风险分层相结合，提高了患者的参与度和治疗与美国糖尿病协会（ADA）及KDIGO（Kidney Disease: Improving Global Outcomes）指南的一致性（1, 6）。临床药剂师也支持了治疗的强化和血压控制，进一步证实了他们在前期研究中对慢性肾病管理的影响（7）。

KidneyIntelX通过促进早期、基于风险的干预措施，并加强多学科护理的协调，实现了向精准医学的可持续转变。除了优化肾保护性治疗的启动外，该模型还显示出在血糖控制、蛋白尿减少以及估计肾小球滤过率下降方面的改善。这些发现强调了将预测性生物标志物和基于人工智能的风险分层整合到人口健康框架中的潜力。然而，该研究尚未报告长期临床终点数据，如肾衰竭的进展、重大心血管事件或死亡率。随着后续随访数据的获得，这些结果预计将在未来的分析中得到验证。