足细胞研究在实验方法学方面有新的进展。最近一项研究提出一种快速简单实现肾脏三维形态的可视化方案。该方案结合了组织光透明技术和组织扩张的方法，使肾组织样品产生轻微的肿胀，通过优化成像参数获得足够高的有效分辨率，进而使用常规共聚焦显微镜对足细胞足突和肾小球基底膜进行三维可视化分析。该方法可以在每个肾小球中找到大量成像区域，能够收集大量数据来检测滤过屏障结构中的细微变化。磷脂酶A2受体 (PLA2R)是膜性肾病患者主要的自身抗原。在过去的十年中，用于膜性肾病患者诊断和监测的抗磷脂酶A2受体 (PLA2R)抗体的测量已在世界范围内广泛应用于临床实践。最近有团队成功构建了PLA2R相关膜性肾病小鼠模型。研究团队使用转基因方法产生在足细胞中表达mPLA2R的小鼠。兔抗mPLA2R1抗体通过基因免疫产生，mPLA2R阳性小鼠在注射抗mPLA2R抗体后，出现了人膜性肾病的典型组织形态学特征。该模型为全面理解PLA2R相关膜性肾病足细胞损伤的分子机制以及针对膜性肾病病理机制的创新治疗策略研究开辟了新的途径。1.Unnersjo-Jess, D., et al., A Fast and Simple Clearing and Swelling Protocol for 3D In-Situ Imaging of the Kidney across Scales. Kidney Int, 2020.
2.Meyer-Schwesinger, C., et al., A novel mouse model of phospholipase A2 receptor 1-associated membranous nephropathy mimics podocyte injury in patients. Kidney Int, 2020. 97(5): p. 913-919.
新陈代谢是生命的基本特征之一，是活细胞中全部化学反应的总称，主要包括物质代谢和能量代谢两个方面。细胞代谢涉及的代谢途径主要包括糖酵解、三羧酸循环、脂肪酸代谢和氨基酸代谢。在狼疮性肾炎小鼠的巨噬细胞中，代谢发生改变，糖酵解相关基因增加。进一步研究发现，IgG免疫复合物刺激巨噬细胞后，糖酵解基因上调，向有氧糖酵解转换，这一代谢重编程产生大量促炎介质和细胞因子。应用糖酵解抑制剂可减弱IgG相关的肾巨噬细胞激活，抑制促炎细胞因子分泌，缓解肾脏炎症，为狼疮性肾炎的治疗提供了新思路[1]。脂质沉积会引起足细胞损伤，在糖尿病肾病中，足细胞JAML（连接粘附分子样蛋白）表达增高，其表达与糖尿病肾病患者的病理分期、血肌酐水平、肾小球滤过率相关。在体内体外实验中，通过抑制JAML的表达，通过Sirt1—AMPK—m-SREBP1通路，抑制脂质合成，从而缓解足细胞损伤，为糖尿病肾病的治疗提供新方向1.Jing, C. and T. Castro-Dopico, Macrophage metabolic reprogramming presents a therapeutic target in lupus nephritis. 2020. 117(26): p. 15160-15171.
2.Fu, Y., et al., Elevation of JAML Promotes Diabetic Kidney Disease by Modulating Podocyte Lipid Metabolism. Cell Metab, 2020. 32(6): p. 1052-1062.e8.
3.Hasegawa, S., et al., The oral hypoxia-inducible factor prolyl hydroxylase inhibitor enarodustat counteracts alterations in renal energy metabolism in the early stages of diabetic kidney disease. Kidney Int, 2020. 97(5): p. 934-950.
预测疾病发生是改善临床治疗策略和预后的重要步骤。随着计算机技术的迅猛发展，在医学领域已经越来越多地使用人工智能来改善急慢性肾脏疾病的诊断和预后。各种组学、临床和患者产生的健康数据可以为人工智能算法提供动力，以改善急性肾损伤（AKI）和慢性肾脏病（CKD）的诊断和预后。组学数据可以用来表征类型，临床信息可用于鉴定AKI、CKD及其亚型以及确定最佳治疗方法，从可穿戴传感器和移动设备的健康应用中获得的患者健康数据也有助于监测症状和恢复情况，从而提供全面的诊断、治疗和恢复监测管理。人工智能（AI）在预测急性肾损伤（AKI）方面已显示出希望。大多数已有的AKI预测模型在预选预测变量时需要大量的人工管理工作，然而，某些变量可能仅适用于单个医院或临床单位，这就限制了预测模型在不同单位之间通用。医院之间数据不可互用是模型可运输性的主要障碍。胡勇等[2]利用美国PCORnet平台（该项目整合了美国数百个卫生系统的电子病历）开发了AKI预测模型，可以连续计算所有住院患者自入院开始未来48小时内的AKI发生风险。该模型48小时内预测任何AKI的AUROC为0.76 [95％CI，0.75–0.78]，预测AKI第2阶段的AUROC为0.81 [95％CI，0.76-0.86]，预测AKI第三阶段的AUROC为0.87 [95％CI，0.78–0.93]。研究者评估了其在六个独立卫生系统之间的可运输性。结果表明跨站点性能可能会降低，且不同人群的风险因素的异质性可能是造成此结果的原因。因此，无论AI模型在原医院的运行如何精确，是否可以在目标医院采用仍然一个悬而未决的问题。为此，研究者推导了一种预测AI模型可运输性的方法，用于加快AI模型在医院外部的适应过程。因此，尽管患者和数据存在异质性，需要改进模型的其他潜在算法和先进的数据协调技术来解决这一问题。在慢性肾脏病方面，最近有研究者运用人工智能模型预测了IgA肾病患者是否可能进展为终末期肾脏病（ESRD）[3]。该团队回顾性分析948例原发性IgA肾病患者资料并开发了用于ESRD的人工神经网络预测模型。他们的工具基于两步过程：分类模型可以预测ESRD，而回归模型可以预测ESRD随着时间的进展情况。分类模型显示随访5年的AUROC为0.82，而随访10年AUROC可改善到0.89。两种模型的召回率均较高，表明该工具的实用性。回归模型显示平均绝对误差为1.78年，均方根误差为2.15年。在167名IgA肾病患者的独立队列中进行的测试发现，预测成功率为91%。该系统预测和观察到的结果概率没有显着差异。另外，该人工神经网络在一年和两年时的动态辨别指数分别为0.80和0.79，且在随后的25年期间内可以观察到类似的结果。因此，该工具可以成功识别出由于IgA肾病导致患ESRD的风险。在肾活检病理诊断方面，需要更可靠和准确的方法来确定肾脏活检标本的发现，并且需要更高的速度和重现性，这些需求促进了人工智能在这一领域的发展。卷积神经网络是深度和机器学习的子类，其中多个层处理模拟了人类视觉皮层的神经连接，更适合复杂的任务，比如图像识别。Ligabue等人[4]首次尝试将卷积神经网络应用于肾活检标本肾小球免疫荧光读片。他们采集了2018年期间由两名病理学家出具的2542份肾活检标本的报告数据，包括免疫反应物位置（系膜、毛细血管壁），分布（节段性，弥漫性），外观（粗或细颗粒）以及强度（0-3 ）。每个病例的所有肾小球免疫反应物图像均用相同的曝光时间采集，用于训练（11059套）、验证（200套）和测试（1000套）。此外，由三名病理学家和卷积神经网络评估了180个图像。作为最重要的第一步，卷积神经网络在图像中正确识别出了肾小球。与事实相比，卷积神经网络的最佳性能为：定位识别为系膜或连续规则的毛细血管壁的精确度（0.84，0.81），曲线下面积AUC（0.89，0.87），敏感度（0.78，0.77）；分布识别为节段性或弥漫性的精确度（0.82, 0.81），曲线下面积AUC（0.89，0.81），识别为弥漫性染色的敏感度为0.74，但识别为节段性染色的敏感度仅为0.50；外观识别为粗颗粒或细颗粒的精确度（0.84, 0.94），曲线下面积AUC（0.85，0.83）。卷积神经网络是以最高可能性来确定染色强度的，总体上预测的强度正确性是好的，对于强度0或3 预测最好，对于强度1.5 或2.5 预测最差。整体而言，三个病理学家和卷积神经网络使用Cohen k系数的比较基本上显示出中等一致性（0.39~0.56），卷积神经网络的表现等同于病理学家。然而，卷积神经网络的分析速度远快于病理学家，卷积神经网络每个图像62.5毫秒，而病理学家每个图像7.312秒。人工智能在肾脏活检标本判读中的应用尚处于起步阶段，在广泛应用于常规临床实践之前仍存在诸多障碍。然而，有深远的潜在益处，包括准确性，重现性以及速度。这将会为肾小球和其他肾脏疾病提供更多的诊断信息、治疗靶点和预后预测[5]。1.Rashidi P, Bihorac A. Artificial intelligence approaches to improve kidney care.Nat Rev Nephrol. 2020 Feb;16(2):71-72.
2.Song X, Yu ASL, Kellum JA, et al.Cross-site transportability of an explainable artificial intelligence model for acute kidney injury prediction.Nat Commun. 2020 Nov ;11(1):5668.
3.Schena FP, Anelli VW, Trotta J, et al. Development and testing of an artificial intelligence tool for predicting end stage kidney disease in patients with immunoglobulin A nephropathy. Kidney Int. 2020 Sep 1;S0085-2538(20)30969-8.
4.Ligabue G, Pollastri F, Fontana F, et al. Evaluation of the classification accuracy of the kidney biopsy direct immunofluorescence through convolutional neural networks. Clin J Am Soc Nephrol. 2020 Oct 7;15(10): 1445–1454.
5.Hou J and Nast CC. Artificial Intelligence The Next Frontier in Kidney Biopsy Evaluation. Clin J Am Soc Nephrol, 2020 Oct 7;15(10):1389-1391.
从2019年开始出现的COVID-19对全球造成了极大的影响。COVID-19最显著的表现是肺实质损害，包括肺炎、急性呼吸窘迫综合征等。此外，COVID-19对肺外器官也有明显损害，大部分严重的COVID-19患者可能会出现肾脏损害[1]。临床表现有AKI、电解质紊乱（高钾、低钠、高钠血症等）、蛋白尿、血尿、代谢性酸中毒等。AKI是最常见的并发症，并且和死亡密切相关。国内报道[2,3]，COVID-19住院患者发生AKI的比例在0.5-29%之间，发生的中位时间为入院后的7-14天。而美国的病例中[4,5]，AKI发生率更高，发生率约37%，14%的患者更是需要透析治疗，在重症患者中，AKI的发生率更是高达78-90%，31%的患者接受肾脏替代治疗。有一半COVID-19患者出现血尿。即使在无AKI的患者中高钾血症和酸中毒发生率也很高，在ESRD患者和肾移植患者中，COVID-19发生率和死亡率也明显高于普通人群[6]。COVID-19肾损害的机制可能和以下因素有关：1.病毒直接感染肾细胞，病理学检查发现明显的肾小管损伤，在小管周围和小球毛细血管袢，有红细胞的浸润和阻塞。电子显微镜可观察到在肾小球毛细管血袢的内皮细胞、足细胞以及肾小管上皮细胞中，有独特的钉状结构的病毒微粒。2.肾脏发生淋巴细胞性的内皮炎，这提示肾脏有继发于内皮损伤的小血管功能障碍。3.与其他严重的流感类似，出现细胞因子风暴。出现潜在的“病毒性脓毒血症”以及多脏器功能障碍[6]。COVID-19患者应常规查尿液分析、尿蛋白/肌酐比值，蛋白尿、血尿似乎和更严重的临床过程及更高的死亡率有关，但也提供了早期风险程度分级的机会。一旦COVID-19诊断明确，应维持患者合适的容量负荷，以防止出现肾前性AKI。重症COVID-19患者对肾脏替代治疗的需求是急剧增加的。对于需要体外循环的肾脏替代治疗患者而言，高凝状态也是一大挑战。一项来自于法国4个ICU的多中心的研究中发现[7]，97%的接受肾脏替代治疗的患者出现了血栓，所以，在没有禁忌症的情况下，接受肾脏替代治疗的患者在肾脏替代治疗过程中，需要全身抗凝。除了AKI外，COVID-19对肾小球也有损伤。一项美国西北大学芬伯格医学院研究证实[8]，COVID-19患者可以出现肾病综合征范围的蛋白尿。对其中一些患者进行肾活检发现，病理为塌陷性肾小球疾病，这与其他病毒感染导致的肾小球损伤有着很大差别。另有研究收集了6例非洲裔患者，他们在3周内通过咽拭子标本RT-PCR检查明确诊断COVID-19并伴有肾病综合征范围的蛋白尿。在这6例患者中，1例为肾移植患者。对其中3例患者通过采集外周血，进行了APOL1基因分析并对其编码的APOL1蛋白也进行了分析。此外，还对肾移植患者和一例非肾移植患者肾活检的石蜡组织进行了APOL1基因DNA的纯化。所有患者出现普通的呼吸道症状，没有患者需要机械通气。肾脏病理发现，患者出现了COVID-19相关的足细胞病，或塌陷性肾小球疾病，或两者同时出现。APOL1基因的遗传变异可显著增加各种肾脏病的风险[9]，基因分析显示，3例患者具有高风险的APOL1基因型。肾移植患者的APOL1基因型为高风险型，病理为塌陷性肾小球疾病，而这例患者的供体携带的APOL1基因型为低风险型，提示肾脏本身的APOL1基因型可能并不是其肾脏损伤特别是足细胞损伤的启动因素。以蛋白尿为主要临床表现的肾小球疾病可能是COVID-19重要的临床表现之一，并且和高风险APOL1基因型有关。1.Naicker, S. et al. The novel coronavirus 2019 epidemic and kidneys. Kidney Int. 97, 824–828 (2020).
2.Wu, C. et al. Risk factors associated with acute respiratory distress syndrome and death in patients with coronavirus disease 2019 pneumoniain Wuhan, China. JAMA Intern. Med. https://doi.org/10.1001/jamainternmed. (2020).
3.Cheng, Y. et al. Kidney disease is associated with in-hospital death of patients with COVID-19. Kidney Int. 97, 829–838 (2020).
4.Cummings, M. J. et al. Epidemiology, clinical course, and outcomes of critically ill adults with COVID-19 in New York City: a prospective cohort study. Lancet 395, 1763–1770 (2020).
5.Hirsch, J.S. et al. Acute kidney injury in patients hospitalized with COVID-19. Kidney Int. https://doi.org/10.1016/j.kint(2020).
6.Wan EY, et al. Extrapulmonary manifestations of COVID-19. Nat Med.1017-1032. doi: 10.1038/s41591-020-0968-3(2020).
7.Helms, J. et al. High risk of thrombosis in patients with severe SARS-CoV-2 infection: a multicenter prospective cohort study. Intensive Care Med. https://doi.org/10.1007/s00134-020-06062-x (2020).
8.Shetty A. et al. COVID-19-Associated Glomerular Disease. J Am Soc Nephrol. Nov 19:ASN.2020060804. doi: 10.1681/ASN.2020060804. Online ahead of print(2020).
9.Friedman, D. J. & Pollak, M. R. APOL1 and kidney disease: from genetics to biology. Annu. Rev. Physiol. 82, 323–342 (2020).
