引言：

急性肾损伤（acute kidney injury, AKI）仍是住院患者中具有高死亡风险的危重症之一，由于该疾病的异质性和危害性，如何有效识别AKI的风险并精准诊疗，依然是该领域亟待解决的关键问题^[1]。近年来，随着病理生理学的发展和检测方式的进步，在AKI进展的各个阶段逐渐涌现出具有重要预测价值的生物标志物^[2]。在2024年10月于西班牙巴塞罗那举行的第37届欧洲危重病医学年会（European Society of Intensive Care Medicine，ESICM）上有多篇涉及AKI管理策略优化的研究发表，特别是基于生物标志物的AKI监测预防、预后识别和治疗优化策略是本届ESICM大会的热点议题。本文就近期AKI领域预防到诊疗优化的研究进展进行介绍。

AKI预防策略优化

在ESICM 2024 AKI专题研讨会中，Alexander Zarbock教授指出，AKI异质性强，有多种潜在发生途径，目前临床对于AKI暂无标准疗法。值得注意的是，AKI发展前期通常没有临床症状，但却是AKI预防的“黄金时间”（图1）。通过使用生物标志物进行风险评估，早期识别出诊断前的“黄金时间”尽早干预可能改变疾病进程^[3]。

图1 AKI预防的“黄金时间”

生物标志物识别AKI风险

在AKI的临床沉默期，患者尚未出现临床症状，但体内的生物标志物已经出现变化。既往研究证实，尿生物标志物金属蛋白酶抑制剂-2（Tissue inhibitor of metalloproteinases 2，TIMP-2）和胰岛素样生长因子结合蛋白-7（Insulin-like growth factor–binding protein 7，IGFBP7）可用于AKI发展及严重程度的预测；中性粒细胞明胶酶相关脂质运载蛋白（NGAL）和肾损伤相关，这些生物标志物可在患者经全球肾脏病预后组织（Kidney Disease Improving Global Outcomes，KDIGO）标准确诊前，预示AKI风险^[2]。

ESICM 2024一项研究^[4]证实，核小体水平可作为肾损伤及AKI发生的预测指标。该研究对SISPCT研究^[5]（探究严重脓毒症患者接受亚硒酸钠静脉注射治疗及降钙素原指导的抗感染治疗能否改善生存率）中的脓毒症患者队列（n=881）进行二次分析，记录患者入院时循环H3.1核小体水平（组蛋白为3.1亚型的核小体，用于呈现中性粒细胞免疫活动水平） 和临床指标，旨在探究脓毒症患者中AKI风险是否与循环H3.1核小体水平相关。结果显示，与未发展为AKl的患者相比，发展为严重AKI的患者的循环H3.1核小体水平显著更高（484 vs 1151 ng/ml，P<0.001）（图2）。此外，对于未发生AKI的患者，基线时肾损伤越严重（肾小球滤过率下降越明显），循环H3.1核小体水平越高（P<0.001）。

图2 核小体评估AKI严重程度

本团队的一项研究^[6]发现，氯化物水平升高是重症监护（Intensive Care Unit，ICU）患者肾脏损害的危险因素。该回顾性研究纳入2020年4月至2022年4月中国单中心ICU的2024例成人患者，根据入院时是否患高氯血症（血清氯化物水平是否≥110 mmol/L）以及入院后48h内氯化物水平变化（∆Cl是否≥5 mmol/L）将患者分层，旨在探究血清氯化物水平变化是否和30天肾脏相关不良事件（major adverse kidney events within 30 days，MAKE 30，包括院内死亡、接受肾脏替代治疗和持续性肾功能障碍）相关。结果显示，ΔCl≥5 mmol/L与MAKE 30的发生率增加相关（OR=1.46，95%CI 1.096-1.93，P=0.010），需警惕ICU入院后氯化物水平升高预示的肾脏相关风险（表1）。

表1 ICU患者MAKE 30发生率影响因素

ESICM 2024中展示的一项研究成果^[7]显示使用尿生物标志物评分（Urinary Biomarker，UB，根据TIMP2*IGFBP7计算）评估心脏手术后患者AKI风险并给予针对性治疗可有效降低AKI发生风险（图3）。该回顾性研究纳入心脏手术患者847例（研究组n=412，历史队列n=435）。研究组实施基于UB的管理，当UB评分显示肾脏应激反应阳性（UB≥0.3 [ng/mL]2/1000）时，立即启动多学科管理方案（例如使用目标导向液体管理、放宽输血阈值、优化血流动力学监测、避免肾毒性药物的使用等），历史队列组接受既往标准化护理路径，旨在探究基于UB的管理能否减少心脏手术后AKI的发生风险。结果显示，将尿生物标志物纳入常规临床实践后，心脏手术患者AKI 2/3 期发生率较历史队列降低了89%（0.24% vs 2.30%，P=0.01）。

图3 使用UB评分可降低术后AKI发生风险

人工智能助力AKI风险识别

根据《中国急性肾损伤临床实践指南》，对AKI的高风险患者开展风险评估可减少目标人群AKI的发生率和死亡率^[1]。近年来，针对AKI风险预测的模型不断增多，但可应用于临床的非常有限。ESICM 2024大会上，Geert Meyfroidt教授通过一项系统性meta分析^[8]介绍了现有AKI风险预测模型的局限性。该meta分析纳入150项AKI预测模型，汇总结果显示，总体研究模型的C统计量达到0.8（95%CI 0.79-0.81），预测性能较好；但研究间的异质性较高（例如造影剂相关AKI I²=99.9%），且84.4%的模型存在高偏倚风险。由于模型开发纳入的环境和人群有限，模型的应用往往局限于本研究队列，实际临床实用性较低。因此，需要人工智能（Artificial Intelligence，AI）模型对更大规模的患者队列进行分析，且需要通过外部验证和前瞻性研究来证实模型的适用性和准确性。目前，基于AI的AKI风险预测模型呈现越来越好的临床应用价值。

ESICM 2024上，中国专家呈现了一项基于AI的AKI发生风险预测模型研究^[9]。研究团队基于四个回顾性队列和一个前瞻性队列，开发并验证了用于评估持续性脓毒症相关急性肾损伤（Sepsis Associated Acute Kidney Injury，SA-AKI）发生风险的机器学习算法模型。该模型在三个回顾性队列的外部验证中，操作曲线下面积（Area Under the Curve，AUC）高达0.889-0.942；在前瞻性队列验证中，该模型AUC达到0.850，证实了其在临床环境中的应用价值。

此外，本团队的一项研究^[10]基于MIMIC-IV数据库22360例AKI患者的临床特征开发并验证了七种机器学习模型，用于评估AKI早期预后风险，并使用SHAP（SHapley Additive exPlanations，模型事后解释的一种算法）方法解释了模型中不同临床指标的影响力。结果显示，XGBoost（Gradient Boosting Algorithm）模型在早期预测AKI死亡率中AUC达到0.890，优于简化急性生理评分（Simplified Acute Physiology Score II，SAPS-II）等传统方法（图4）。

图4 XGBoost模型预测AKI死亡风险

生物标志物助力AKI精准治疗-预后管理

对于已诊断为AKI的患者，监测生物标志物的变化有助于精准识别AKI预后，评估风险，为治疗决策提供依据，进一步实现患者获益^[11]。

生物标志物助力AKI预后识别

ESICM 2024发布的一项研究^[12]纳入104例ICU患者，收集入院时尿生物指标uCD163（Urine Cluster of differentiation 163，一种可溶性蛋白）水平及临床特征数据，旨在探究尿生物指标能否预测持续性AKI。持续性AKI指发病后48h内未缓解的AKI，其死亡率往往高于暂时性AKI（发病后48 h内缓解）患者。结果显示，ICU入院后7天内发生AKI患者的uCD163水平显著高于未发生AKI的患者（P=0.01）。持续性AKI患者的uCD163水平显著高于暂时性AKI患者（509.2 vs 197.8 ng/ml，P=0.026）（表2）。使用uCD163预测患者持续性AKI发生的AUC可达0.68（P=0.03）。

表2 暂时性AKI和持续性AKI患者生物标志物差异

AKI患者的血清白蛋白水平与AKI预后显著相关。一项回顾性研究^[13]纳入740例AKI患者，根据入院时的血清白蛋白水平测量值四分位数将患者分为4组：Q1≤26.0 g/L（n=188）；Q2=26.1-30.5 g/L（n=186）；Q3=30.6-34.7 g/L（n=183）；Q4≥34.8 g/L（n=183）。采用Kaplan-Meier分析法计算累积生存曲线，利用Cox比例风险模型评估AKI患者血清白蛋白水平与90天和1年全因死亡率之间的关系。Kaplan-Meier曲线结果显示AKI患者血清白蛋白水平高与死亡率低显著相关（P<0.001（图5））。Cox回归分析显示，在AKI患者中，与Q4患者相比，Q2患者90天和1年全因死亡风险增加约41%和42%，Q1患者90天和1年全因死亡风险分别增加76%和79%。此外，一项2024年发表的回顾性研究^[14]按照乳酸/白蛋白比值（Lactate-to-albumin Ratio，LAR）将重症患者分层，对患者死亡风险因素进行了探究。Cox回归分析结果显示，LAR≥0.659是AKI重症患者短期/长期死亡的独立风险因子（P<0.001）。

图5 血清白蛋白水平分层后AKI患者90天（左）1年（右）生存曲线

 生物标志物助力AKI治疗管理优化 

ESICM 2024大会上，Melanie Meersch-Dini教授通过一项meta分析^[15]介绍了加入生物标志物评估对AKI管理的益处：与不使用生物标志物的集束化管理相比，在集束化管理中加入生物标志物可显著降低AKI患者重大不良事件发生率（OR=0.693，P<0.05）（图6）。

图6 加入生物标志物的管理优化患者获益

CRRT疗法优化

连续性肾脏替代疗法（Continuous Renal Replacement Therapy，CRRT）是ICU中治疗AKI患者的重要方法，然而何时解除CRRT仍存在争议。本团队的一项研究^[16]纳入1135例AKI重症患者，将成功解除CRRT定义为无肾脏替代生存率和出院率，旨在建立AKI重症患者解除CRRT模型。结果显示（图7），纳入解除前12小时尿量、24小时血清肌酐、入院至解除期间累计液体平衡等指标的模型在验证集中表现出良好的区分度（AUC=0.76），为临床解除CRRT决策提供了依据。

图7成功解除CRRT预测模型操作曲线

AKI新疗法探索

ESICM 2024会议上，中国团队发表的一项AKI新疗法探索研究^[17]被评选为Best Abstract。研究围绕中暑所致AKI（High Stroke-AKI，HS-AKI），通过动物模型和细胞实验探究了缺氧诱导因子脯氨酰羟化酶抑制剂（Hypoxia-Inducible Factor Prolyl Hydroxylase Inhibitor，HIF-PHI）对HS-AKI的疗效，并进一步探究了其作用机制。HIF-PHI是一种能够稳定缺氧诱导因子1a表达的药物，可调节线粒体功能。该动物研究将小鼠分为HIF-PHI治疗组、空白对照组，分别建立HS-AKI模型。结果显示，HS-AKI模型中HIF-PHI干预可显著提高小鼠生存率，可显著降低小鼠血清肌酐（Serum Creatinine，Scr）水平，改善小鼠肾小管损伤评分（图8）。后续研究证实，HIF-PHI影响BNIP3-线粒体自噬轴，保护肾小管上皮细胞功能，这将为HS-AKI提供新的治疗靶点。

图8 HIF-PHI缓解中暑所致的AKI

专家述评 

本届ESICM会议上，AKI领域研究集中展示了从监测、预防到管理优化的创新，进一步推动了精准医学在危重症领域的应用。生物标志物的使用为精准管理奠定了基础，本届大会研究提到的H3.1核小体水平、uCD163等生物指标，提示了生物标志物在AKI诊断分型中的前沿应用潜力。人工智能赋能监测与预测加速了AKI风险患者的识别，推动了AKI管理从经验驱动向数据驱动的转型。基于生物标志物的集束化管理策略显示出显著降低AKI重大风险的效果，同时，新疗法的探索正逐步填补AKI治疗领域的空缺。

AKI的管理正在从经验式诊疗向精准化、个性化迈进。ESICM 2024为AKI的预防和诊疗优化提供了策略，为未来研究奠定了基础。期待高质量的循证研究进一步落实，助力临床实践提升患者生存获益。

专家简历

彭志勇 教授

武汉大学中南医院重症医学科

二级教授/一级主任医师，博士生导师

武汉大学中南医院重症医学科科主任，科技部重大专项首席科学家

第二届国家创新争先奖奖章获得者，教育部长江学者

中华医学会重症医学分会常委暨湖北省第五届主任委员

湖北省重症医学临床研究中心主任

湖北省体外生命支持技术质控中心主任

中国研究型医院学会危重医学专业委员会副主任委员

中国医师协会重症医学医师分会常委

中国医师协会体外生命支持分会常委

国际临床指南/共识 （ADQI及KDIGO）的执笔者和参与者Joural of Critical Care (USA) 、Shock (USA), Blood Purification (Europe)编委等

审批编码:VV-MEDMAT-116867 审批日期：2025年2月

仅供医疗卫生专业人士参考

声明:该信息仅作医学和科研参考，不建议以任何与您所在国家所批准的处方信息不符的方式使用本产品，本材料仅供医疗卫生专业人士使用。

(本网站所有内容，凡注明来源为“医脉通”，版权均归医脉通所有，未经授权，任何媒体、网站或个人不得转载，否则将追究法律责任，授权转载时须注明“来源：医脉通”。本网注明来源为其他媒体的内容为转载，转载仅作观点分享，版权归原作者所有，如有侵犯版权，请及时联系我们。)