《Frontiers in Artificial Intelligence》：From chronic kidney disease classification to genuine early prediction: a systematic review of artificial intelligence, methodological quality, and translational evidence
编辑推荐：
摘要 引言：人工智能已广泛用于慢性肾脏病（chronic kidney disease, CKD），但“预测”一词经常被用于从同期疾病分类到真正预测未来肾脏结局等各种任务。本系统综述在评估方法学质量与临床转化证据的同时，考察了这一区别。方法：一项基于Scopu
摘要 引言：人工智能已广泛用于慢性肾脏病（chronic kidney disease, CKD），但“预测”一词经常被用于从同期疾病分类到真正预测未来肾脏结局等各种任务。本系统综述在评估方法学质量与临床转化证据的同时，考察了这一区别。方法：一项基于Scopus的预定检索覆盖2021–2026年，确定了符合条件的人工智能和机器学习CKD研究。经过筛选和重复记录合并后，纳入169项独立原始研究。未来导向预测要求有可识别的基线、可获得于基线或基线之前的预测变量、随后发生的肾脏结局，以及有意义的预测时间窗。研究人员使用PROBAST+AI评估建模方法、数据集、验证、校准、可解释性、临床有用性和方法学质量。结果：在169项研究中，122项（72.2%）针对当前状态的CKD检测或分类，仅46项（27.2%）包含明确的未来导向预测成分。17项研究使用了地理或机构外部验证，仅4项使用了独立外部队列或数据集。12项研究评估了校准，16项研究报告了显式可解释性方法。PROBAST+AI显示，156项研究在开发阶段存在高总体偏倚风险，164项在评价阶段存在高总体偏倚风险，没有研究达到低风险总体判定。讨论：CKD-AI证据在回顾性分类方面明显强于真正的早期预测或临床转化。未来研究应优先考虑纵向预测、独立和时间验证、防泄漏分析、校准、经临床验证的可解释性，以及前瞻性真实世界评价。亮点：在169项CKD-AI研究中，仅46项出现真正的未来预测。当前状态分类主导了CKD预测文献。公共基准研究未提供真正的未来导向预测。外部验证和校准很少被报告。PROBAST+AI显示广泛存在高偏倚风险。
1 Introduction
慢性肾脏病（CKD）是重大全球健康问题，2017年全球约有6.975亿CKD病例，并导致120万相关死亡。CKD与心血管疾病、糖尿病和高血压密切相关，给患者和医疗系统带来长期负担。KDIGO将CKD定义为持续至少3个月且对健康有影响的肾脏结构或功能异常，临床分类考虑病因、肾小球滤过率（GFR）类别和白蛋白尿类别，常规评估主要依靠基于血清肌酐的估算肾小球滤过率（eGFR）和尿白蛋白肌酐比（uACR）。早期识别仍然具有挑战性，因为患者症状少、肾功能测量随时间变化，且慢性化通常需要在确诊前建立。这种背景使疾病分类与真正预测之间的区别尤为重要。诸如逻辑回归和Cox比例风险回归等传统模型长期用于肾脏风险估计，但估计未来进展与分类已有疾病在概念上不同。人工智能（AI）和机器学习（ML）可建模非线性关系、复杂交互和纵向数据，但算法复杂性并不必然转化为更强的临床预测。数据来源、验证设计和结果定义等差异使性能解读复杂化。先前的系统综述未明确区分同期CKD分类与真正的未来导向预测，也缺乏数据集和时间性审计。本综述旨在通过169项原始研究的综合，强调任务、时间性和方法学质量，并回答五个研究问题。
2 Materials and methods
本系统综述按照PRISMA 2020进行，检索报告遵循PRISMA-S，预测模型特征提取参考CHARMS，方法学质量、偏倚风险和适用性评估使用PROBAST+AI。综述采用PICOTS框架定义纳入研究要素。纳入标准为：使用人类来源数据、评估至少一种AI或ML方法、将CKD或有临床意义的肾脏结局作为实质性实验目标、报告定量诊断或预后性能。排除综述、荟萃分析、社论、方案等二次文献，以及CKD仅作为附带基准或结局非肾脏的研究。检索仅使用Scopus数据库，覆盖2021–2026年，最终检索于2026年8月3日执行。筛选由两名研究人员独立完成，分歧通过讨论或第三方仲裁解决。数据提取记录了出版物、数据集、模型、评价指标、结果、局限性和主要发现，并补充了数据来源、预测时间、验证设计、校准、可解释性、临床有用性、部署证据和数据集依赖性等信息。时间分类采用五类框架：T1当前状态检测，T2新发CKD预测，T3CKD进展/预后，T4混合设计，T5时间模糊。数据集来源和依赖性单独编码。验证分为无明确验证、交叉验证、内部留出集、时间验证、地理/机构外部验证、独立外部队列验证。使用PROBAST+AI进行方法学质量评价，领域级判断保留为低、高或不明确。数据综合采用描述性方法，未进行正式荟萃分析，依据SWiM原则进行结构化叙述综合。
3 Results
最终纳入169项独立原始研究。由于多项研究评估多种算法、指标或验证过程，部分特征作为多标签变量编码，因此百分比总和不必然为100%。
3.1 Study selection and characteristics of the evidence base
初步检索得到465条记录，去除9条重复后余456条，经标题和摘要筛选排除200条，全文评估后排除87条，最终纳入169项研究。排除原因包括超出2021–2026年范围（25项）、非英文（10项）、非AI/ML应用（29项）、与CKD无关（12项）、综述（11项）。纳入研究在2021年至2026年间逐年增加，112项（66.3%）发表于2024–2026年。研究在方法学和临床目标上高度异质，使用公共基准数据集、单中心和多中心临床队列、电子健康记录、注册数据、人群队列、影像、生理信号和分子数据。
3.2 RQ1: AI approaches and the temporal nature of CKD prediction
模型家族分布广泛，神经/深度学习、随机森林、提升方法、支持向量机、逻辑回归等频繁出现，但算法分布主要反映方法比较的广度，而非某一种方法具有一致优势。未来导向研究并不依赖单一主导算法。深度学习在图像和信号等需要自动表征学习的模态中更有价值。时间分类显示，122项研究（72.2%）属于T1当前状态CKD检测/分类，17项（10.1%）属于T2新发CKD预测，24项（14.2%）属于T3CKD进展/预后，5项（3.0%）属于T4混合设计，1项（0.6%）为T5时间模糊。因此，仅46项研究（27.2%）含有明确的未来导向预测成分，其余72.2%主要评估当前肾脏状态。
3.3 RQ2: performance, evaluation metrics, and validation
当前状态分类尤其是基于小型公共基准数据集的研究常报告很高准确率或AUC，明显高于纵向或外部验证的未来导向研究。评价指标以准确率、AUC/AUROC、召回率、精确率和F1为主；C-index（4项）、Brier分数（5项）和AUPRC（3项）很少使用。136项研究未报告清晰可识别的独立留出集或外部验证策略，12项使用内部留出集，17项报告地理/机构外部验证，仅4项使用独立外部队列或数据集，没有研究进行独立时间验证。外部验证的性能通常低于内部性能，但此类下降代表更强的可迁移性证据。数据依赖性审计显示，67项研究重复使用公共基准数据集，且这些研究几乎完全属于当前状态分类；未来导向研究更多依赖多种独立纵向临床数据源。
3.4 RQ3: datasets, predictors, preprocessing, and experimental settings
数据集来源与预测时间性密切相关。60项研究使用UCI CKD基准或其直接镜像，另有10项使用其他公共基准；全部70项基准研究均为T1当前状态分类。未来导向研究来自纵向临床队列、多中心数据、注册/EHR网络、人群队列、影像队列和组学数据。预测变量方面，当前分类研究主要依赖与CKD诊断密切相关的实验室和人口学变量；纵向研究更常使用基线临床资料、重复测量、影像特征或多模态信息。预处理和缺失值处理方式差异很大，且预处理相对于训练/评估的先后顺序常不明确，可能导致数据泄漏风险。特征选择在基准分类研究中非常突出，常见基于元启发式优化、统计排序等方法，但这些优化结果多反映对熟悉数据集的开发而非可迁移性。
3.5 RQ4: explainability and clinical interpretability
仅16项研究报告了显式可解释性或可解释性方法，153项未报告专门XAI方法。SHAP是最常见的事后方法，少数研究使用SHAP与LIME组合，其他包括特征重要性和可解释建模。XAI方法主要用于属性归因，但未验证解释本身是否稳定、因果或临床可操作。没有研究提供以临床医生为中心的全面解释验证。技术可解释性与临床验证可解释性之间存在明显差距。
3.6 RQ5: methodological quality, generalizability, and evidence for clinical translation
PROBAST+AI评估显示，开发阶段156项（92.3%）研究存在高总体偏倚风险，13项（7.7%）不明确；评价阶段164项（97.0%）高偏倚风险，5项（3.0%）不明确。所有研究的总体风险判定均未达到低风险。分析领域是主要偏倚来源，其次为参与者领域。外部验证和校准很少：17项使用地理/机构外部验证，4项使用独立外部队列，12项评估校准，157项未报告校准。临床效用证据有限：18项在常规性能报告之外进行了某种临床比较或使用导向评估，其中6项与既有临床评分比较，2项与临床医生或专家比较，仅1项明确使用决策曲线或净效益分析。部署证据方面，159项无部署证据，9项提供原型或系统工具，仅1项被编码为回顾性真实世界操作使用，没有前瞻性临床影响研究。敏感性分析显示，46项未来导向研究中16项进行外部验证，11项评估校准，且没有未来导向研究依赖于反复重用的公共基准数据集。
3.7 Summary of findings by research question
总体模式显示，CKD-AI文献具有方法学多样性，且常报告强预测性能，但考虑时间有效性、独立验证、校准和临床转化时，证据强度显著下降。多数研究是当前状态分类，而非真正的未来预测；外部验证稀少；基准数据集重用降低了证据独立性；可解释性多为技术属性，缺乏临床验证；高偏倚风险普遍存在，临床部署证据几乎缺失。
4 Discussion
本综述表明，AI用于CKD的文献快速膨胀，但证据成熟度远不如发表数量和性能值所示。中心方法学分歧不在经典与先进算法之间，而在分类当前肾脏状态与建立基线预测变量和后续肾脏结局之间有效时间关系之间。时间重分类发现近四分之三的研究为当前状态检测或分类，仅46项含明确未来成分。基准研究中接近完美的性能大多来自小型、重复分析的公共数据集，并不代表对未来临床事件的预测能力。纵向研究外部验证时性能下降，但这反映了更困难且更具临床意义的任务。数据集依赖审计表明大量出版物的“独立证实”实际上是同一患者记录的重复实验。外部验证和校准严重不足，临床效用和部署证据几乎缺失。风险偏倚评估解释了为何强性能未转化为强临床证据。信息泄漏也需警惕，预处理和特征选择若使用全数据集信息会产生乐观估计。未来进展应更依赖研究设计改进而非算法复杂化。
5 Limitations
本综述受限于预定的Scopus检索策略和英文语言限制，相关研究可能被遗漏。预测任务、数据集、结局和指标的高度异质性妨碍了模型性能的汇总比较。原始研究报告不完整限制了对预测时间、预处理顺序和验证设计的可靠判断。
6 Future research directions
未来CKD-AI研究应超越同期疾病分类，明确定义索引时间、预测变量窗口、预测时间窗和未来肾脏结局。独立验证应成为常规要求，包括跨机构、区域和人群验证，以及可行时使用更晚日历期的时间验证。评价应纳入校准曲线、Brier分数、校准截距或斜率，以及决策曲线分析，并对比既有临床评分或转诊策略。公共基准数据集仍可用于方法开发，但应优先使用更大、纵向、多中心和独立收集的临床数据。数据划分应在插补、标准化、过采样、特征选择和超参数优化之前进行，并确保患者级分离。可解释性应超越SHAP值和特征排名，评估解释的稳定性、临床一致性和对临床决策的有用性。领域应推进前瞻性真实世界评价，评估可用性、工作流程整合、决策影响、公平性和患者结局。报告应更一致地遵循预测模型和AI报告指南。
7 Conclusion
本系统综述显示，CKD-AI文献在模型开发方面进展迅速，但支持真正早期预测和临床转化的证据相对有限。纳入的169项研究中，大多数集中于当前状态CKD检测或分类，少数建立了基线与未来肾脏结局之间的清晰时间关系。报告的性能强烈受预测任务、数据集来源、基准重用、验证设计、校准和方法学质量影响；许多接近完美的结果来自小型或重复使用的基准数据集，而外部验证的临床研究性能更保守但方法学更强。PROBAST+AI显示高偏倚风险广泛存在，外部验证、校准、临床效用评估和前瞻性部署均不常见。因此，CKD-AI的核心挑战不再是开发更复杂的模型，而是产生更可信的证据。未来优先方向包括时间有效预测任务、独立和时间验证、防泄漏分析管线、可靠校准、临床意义明确的评价和真实世界前瞻性评估。
