Zastosowanie sztucznej inteligencji w diagnostyce i predykcji progresji przewlekłej choroby nerek

Celem niniejszego rozdziału jest przegląd i analiza aktualnych zastosowań sztucznej inteligencji (ang. artificial intelligence AI), szczególnie metod uczenia maszynowego (ang. machine learning ML) i uczenia głębokiego (ang. deep learning DL) w diagnostyce i predykcji progresji przewlekłej choroby nerek (ang. chronic kidney disease CKD). Poddano analizie literaturę z lat 2015-2025, pozyskaną z baz Pubmed, Scopus oraz Google Scholar, ograniczoną do publikacji w języku angielskim, z uwzględnieniem przeglądów systematycznych, metaanaliz i badań klinicznych.

Praca obejmuje charakterystykę ograniczeń obecnie stosowanych metod diagnostycznych oraz potencjalnego rozwoju możliwości wynikającego z integracji z AI. Omówiono zastosowanie systemów ML i DL w analizie badań ultrasonograficznych, radiomiki, biomarkerów molekularnych oraz danych omicznych, a także zaangażowania systemów wspomagania decyzji klinicznych (ang. clinical decision support system CDSS). Przedstawiono przykłady zastosowania AI w praktyce klinicznej, jak projekt „Doctor K” oraz „TrajVis”.

Wyniki wskazują na wysoką skuteczność modelu ML w predykcji progresji CKD do etapu schyłkowej niewydolności nerek (ang. end-stage renal disease ESRD). Przedstawiono, że kompilacja danych elektronicznej dokumentacji medycznej (ang. electronic health records  EHR), biomarkerów oraz multi-omiki stwarza szansę projektowania zindywidualizowanych modeli diagnostyczno-terapeutycznych. Podkreślono konieczność walidacji modeli w zróżnicowanych populacjach i wzrostu transparentności i interpretowalności rozwiązań AI.

Wnioski sugerują, że stosowanie AI w nefrologii może stanowić uzupełnienie aktualnych metod diagnostycznych i predykcyjnych w CDK, poprawiając skuteczność rozpoznania i leczenia.