在过去的十年里，急性肾损伤（AKI）研究的节奏有所加快，可能是认识到 AKI 是一种有长期后遗症的疾病，包括慢性肾脏病（CKD）和死亡的风险增加。本文主要强调过去一年中 AKI 的关键研究进展。文章发表在近期的 Nature Review Nephrology 杂志上。
AKI 定义共识的出现使得临床实践中的研究分析结果更加统一，方法更加标准化，导致了该领域实质性的进展。目前改善全球肾脏疾病预后（KDIGO）分类系统将 AKI 1 期定义为 48 h 内血清肌酐（Scr）水平增加 0.3 mg/dl（26.5umol/L）或在 7 天之内从基线开始超过 50%。但是这两种定义可能不完全相等。
在 2019 年，Sparrow 等人的研究纳入了 81651 名住院患者的数据。他们发现基线血肌酐 Scr ≥ 0.7 mg/dl（61.9umol/L）且经历了 48 h 内 Scr 增加 0.3 mg/dl 的患者临床结局（包括住院时长和死亡率）与较 7 天之内 Scr 较基线水平增加了 50% 的患者显著不同。
与此相反，他们还发现：根据 Scr 水平绝对和相对增加值所定义的 KDIGO 标准 AKI 3 期的患者的临床结局没有差异。这些研究结果提示应该修改 KDIGO 的 AKI 定义。此外，AKI 的定义还应包含病因学、病理生理学和新型的生物标志物。
虽然 Scr 仍是目前应用最广泛的用于评价肾功能的生物标志物，但是已知其是延迟升高的标志物，且与肌肉质量有密切关系，在急性疾病时产生减少，有很大的局限性。肾脏损伤的生物标志物，如：中性粒细胞明胶酶相关脂蛋白（NGAL）和肾损伤分子-1（KIM-1），可能有助于在 Scr 尚未变化时识别亚临床 AKI。然而，对于这些生物标志物而言，留取样本的时间窗也很重要，仅仅只有当 AKI 已经发生时这些生物标志物的水平才升高。
治疗 AKI 最佳的方法是预防。我们能用生物标志物来预测 AKI 是否会发生和 AKI 的结局吗？Schunk 等人研究了尿液 Dickkopf 相关蛋白（DKK3）作为预测心脏术后 AKI 的生物标志物的临床应用价值。尿液 DKK3 是一种应激诱导的糖蛋白，由肾小管上皮细胞分泌，调节 Wnt-β信号途径，被认为是触发了肾小管间质纤维化的通路。研究者假设：术前较高的尿液 DKK3 水平与术后较高的 AKI 和 CKD 比例有关。
他们最初在 733 名患者队列中检测了尿液 DKK3 的预测价值，并确定了做出临床决策的阈值。在此推导队列中，尿液 DKK3 水平具有充分的区分度（曲线下面积 0.783）和对术后 AKI 的预测良好的校准性。在验证队列中，Schunk 等人纳入的是心脏术后的患者，分为假手术组和远程缺血预处理（RIPC）预防 AKI 组。结果发现假手术组患者较高的尿液 DKK3 水平与 AKI 较高的风险有关，而在 RIPC 组患者中无此现象。
Schunk 等人认为尿液 DKK3 可以识别能从预防性干预中获益的高危患者。值得注意的是，这项研究分析中未纳入白蛋白尿和蛋白尿。因此，DKK3 的使用是否优于前述的那些生物标志物还不清楚。这一点很重要，因为白蛋白尿和蛋白尿是 AKI 和 CKD 进展非常重要的危险因素，两者的测定具有广泛可操作性而且价格也不贵。
AKI 临床试验的主要挑战之一是疾病的异质性。传统观点将 AKI 分为肾前性、肾性和肾后性三种病因。「肾前性」这个术语受到批评，因为它指代了许多种不同的病理生理情况。此外，肾前性 AKI 和急性肾小管坏死（ATN）的鉴别诊断具有挑战性。公正无偏倚的方法能更好地识别疾病的亚表型吗？
潜在的分类分析是一种无偏倚的技术，已成功地用于识别其它疾病的亚表型，包括哮喘和急性呼吸窘迫综合征。在最近的一项研究里，Bhatraju 等人应用潜在的分类分析确定了两种 AKI 亚表型，并在独立的队列中进行了验证。有趣的是，在 VASST 试验的感染性休克患者队列中，两种 AKI 亚型的临床结果和对加压素的反应不同。该研究证实潜在的分类分析是一种识别不同病理生理 AKI 亚型的新方法。这可能有助于改善对进行临床试验的患者的识别。
电子健康记录为人工智能解决众多的临床问题提供了机会。深度学习使用类似于人脑的递归神经网络来处理数据并建立一个跟踪相关信息的内部记忆。在 2019 年，Tomasev 等人使用美国退伍军人事务部的数据，开发了一种深度学习方法来预测 AKI。他们最终的模型预测了 55.8% 的住院患者的 AKI 发作以及 90.2% 的需要透析的 AKI。每个亚组中，每一个真警报有两个假警报的比率。
计算机科学与医学的合作展示了使用综合电子健康记录数据进行风险预测的巨大可能性。需要更多的研究来证明如何深入学习和其它人工智能技术可以最好地应用，以获得最大的临床获益。特别是，最近对 AKI 干预措施的实用性试验表明，提高对 AKI 的认识可能会导致更多的诊断。诊断增多是否会导致更好的治疗或不必要的治疗还不清楚。需要更深入了解实用的 AKI 干预措施（如高危患者或早期 AKI 患者的常规识别）如何影响治疗过程，从而可能影响临床结果，如住院时间和死亡率。
最后，Fox 等人的一项实验性研究强调了 AKI 对包括心脏在内的远处脏器功能的影响。在缺血性 AKI 的小鼠中，心脏代谢产物的分析揭示了能量消减和氧化应激的证据。而心超的结果提供了收缩功能不全的证据。在人体中，关于 AKI 对远处脏器功能的影响还不清楚，这一领域是未来研究的一条重要大道。
总的来说，过去的一年见证了 AKI 领域许多激动人心的发展。期待明年以及未来十年会有更多 AKI 研究领域方面进一步的进展。
Key Advances
1. 在回顾性队列研究中，KDIGO 基于血清肌酐水平的绝对变化和相对变化而对 AKI 1 期下的不同定义与不同的结局有关，强调了需要修正目前 AKI 的定义。
2. 尿液 DKK3 蛋白是预测择期心脏手术后 AKI 风险的潜在术前生物标志物。
3. 一种无偏倚的方法可以识别败血症性 AKI 的不同病理生理亚型。在临床试验数据的事后分析中，这些亚表型具有不同的治疗反应。
4. 使用电子健康记录数据的深度学习方法可以识别出 AKI 高危患者。
5. 在一个小鼠模型中，AKI 可以导致直接的心脏损伤和心功能不全。
