肾脏疾病的数据管理

学术汇报肾脏疾病的数据管理从数据孤岛到智能决策的转型之路肾脏疾病数据管理研究内容导览01现状挑战疾病负担与数据管理困境02数据治理标准化、隐私与质控03平台建设国家级平台与信息化实践04AI赋能预测模型与智能诊疗05前沿展望数字肾脏与未来方向现状挑战数据是肾脏病精准防治的基石高患病率、低知晓率与数据碎片化并存，构成肾脏病数据管理的核心挑战。01肾脏病负担沉重而知晓率低肾脏病是沉默的流行病，数据管理是破解低知晓率的第一道关口我国成人CKD患病率核心数据8.2%患病率知晓率仅10.0%多数患者确诊时已进展至中晚期全球CKD患病率核心数据10.8%患病率患者总数约6.98亿预计2040年跃升为全球过早死亡第五位病因我国ESRD发病率核心数据10-12人/百万人口发病率终末期患者超200万九成以上依赖透析维持生命透析依赖透析依赖比例九成以上CKD知晓率仅10%，数据管理是破局关键疾病谱系正发生结构性迁移继发性肾病占比显著攀升，糖尿病肾病已成为增长最快的病因类型疾病类型中国患病率变化趋势慢性肾脏病8.2%总体平稳糖尿病肾病占比升至35%2000-2020年上升明显高血压肾损害占比持续增加趋势上升疾病谱迁移意味着数据采集维度需从单一肾功能指标，扩展至血糖、血压、代谢等多源指标整合数据孤岛制约精准诊疗系统切换痛点一临床医生调阅完整病程需在

HIS、LIS、EMR、透析设备、医保系统

间反复切换纸质依赖痛点二护士执行治疗与记录仍高度依赖纸质单据流转，管理统计靠人工整理，易出错数据孤岛痛点三约

23%

的电子病历存在数据孤岛问题跨机构数据共享率不足

35%标准不一痛点四系统间数据标准不一，形成信息"碎片化"，严重制约科室效率与数据驱动决策传统监测体系存在明显短板时效不足时效性滞后依赖层层上报，时效性滞后。标准不一缺乏统一规范数据标准不一、信息安全顾虑重，难以跨机构联通融合。资源不均区域差异显著各地流行病学特征差异大、专科资源分布不均、患者跨地域就医突出。刻画有限趋势描摹不足终点事件发生率低、随访周期长，传统手段难以全面刻画流行趋势。数据治理无治理，则无可用数据术语规范、隐私合规与质量管控，是数据从碎片走向资产的关键。02术语规范化是多中心前提没有统一的语言，就没有可融合的数据术语规范是数据治理的第一道工序，直接决定后续分析的可信度共识依据多中心数据一致性依赖统一术语体系肾脏疾病临床数据库建设专家共识2025已明确规范术语体系建设要求，为多中心数据的一致性提供权威指引。推荐编码体系SNOMEDCT医学术语集与ICD-11疾病编码推荐使用SNOMEDCT医学术语集与ICD-11疾病编码，构建标准化的诊断与术语映射体系。统一编码价值不同医院、不同系统的诊断记录具有可比性统一编码使不同医院、不同系统的诊断记录具有可比性，为数据融合奠定基础。隐私保护与伦理合规双重约束合规不是束缚，而是数据可持续利用的生命线核心要求3项去标识化+加密传输身份证号、姓名等敏感信息仅保留哈希值动态知情同意患者可随时撤回数据使用权，且不影响临床诊疗双重合规认证遵循《个人信息保护法》《人类遗传资源管理条例》，通过"医疗健康数据安全等级保护三级"认证01合规现状现实困境30%的数据库通过国家健康医疗大数据标准合规性认证数据管理在隐私与合规维度仍面临落地挑战数据质控需要机制化保障质控是让"大数据"不变成"大脏数据"的制度闸门1建立标准化录入规范确保数据的统一性与可比性2设置质量控制机制定期检查数据完整性、准确性，纠正错误或缺失数据3每季度发布数据质量报告数据完整率低于

80%

的单位暂停数据下载权限4质控考核挂钩权限将数据质量与数据使用权限挂钩，形成正向约束质控是让"大数据"不变成"大脏数据"的制度闸门数据治理的现实瓶颈“治理的深度，决定了数据价值的上限”治理的深度，决定了数据价值的上限治结构化缺失现有医疗数据多以临床记录为导向，缺乏面向

AI建模的结构化设计，跨机构孤岛限制模型泛化认知壁垒临床需求与算法工程之间存在认知壁垒，医学问题难以有效转化为可计算任务模型局限部分深度学习模型存在“黑箱”特性，可解释性不足，前瞻性验证偏少系统短板数据治理绝非技术问题，而是标准、组织、机制协同的系统工程平台建设平台是数据价值释放的载体从协作网到专科管理系统，平台建设打通数据流转全链路。03国家协作网整合海量数据国家级平台让分散的数据汇聚为可计算的资产2018年12月成立侯凡凡院士领导国家肾脏病临床医学研究中心与中疾控慢病中心牵头截至2023年规模拓展超41家三级医院加入覆盖18个省份，合作产出SCI论文30余篇数据汇聚全息医疗数据超2000万例患者数据汇聚全国36家三甲医院，涵盖诊断、影像、手术、随访多维度2025年5月智肾发布全国首个CKD综合管理大模型"智肾"已在8家医院部署CK-NET构建多源监测网络CK-NET是肾脏病监测从零散走向系统的标志1牵头组建北大医院肾内科牵头，联合全国70余家大型肾脏病诊疗中心及区域数据平台2多源汇聚覆盖超千万人群的多源数据库3智能治理专家标注、通用数据模型、可计算表型识别完成患者筛选与数据治理4体系构建传统生物统计与机器学习算法，构建覆盖疾病全生命周期的监测体系CK-NET是肾脏病监测从零散走向系统的标志信息化系统打通全链路连接、治理、赋能，是数据价值释放的完整闭环连接层标准化接口打通数据孤岛治理层专科模型清洗归一数据赋能层质控报表动态监控核心指标01连接层标准化接口对接HIS、LIS、PACS、EMR及物联网设备，实现数据互联互通与共享02治理层内置肾病专科数据模型，自动抓取eGFR异常指标患者，完成清洗、转换、打标、归一化处理疑似筛查03赋能层质控管理模块动态监控

Kt/V达标率、感染率

等核心指标，自动生成质控报表并一键上报系统"疑似筛查"功能每日自动从全院化验数据筛选肌酐升高、尿蛋白阳性患者，避免漏诊漏管区域一体化管理实践区域实践证明：一体化数据管理能切实延缓疾病进展区域实践证明：一体化数据管理能切实延缓疾病进展累计筛查10万人慢性肾脏病预警长期随访1.5万人非透析患者管理平稳过渡550人转入透析治疗武汉市第四医院2012年

首创集预警、诊疗、随访、营养管理于一体的CKD管理模式系统自主研发CKD预警、高危筛查、临床随访管理、血液透析管理系统随访随访管理

十年以上三千多人、五年以上七千余人区域登记系统各显特色区域试点为全国框架提供了可复制的样本经验一两地分别侧重广覆盖与深管理，为全国性框架构建积累差异化经验经验二区域试点揭示：统一标准+地方适配是可行路径上海·慢性肾脏病登记系统覆盖覆盖80%以上二级及以上医院共享实现病例实时上报与跨院共享广东·透析登记系统追踪追踪超10万透析患者依据为医保控费与质量评价提供依据VSAI赋能让数据开口说话AI预测模型与智能诊疗，将治理后的数据转化为临床决策力。04AI预测健康人群肾病风险评估维度指标表现模型算法随机森林表现最优测试集准确率1.00外部验证准确率均大于

0.928（7974例）关键预测因子基线eGFR、血压、BMI、血脂研究概述基于9273例20~65岁健康体检数据构建5年CKD风险预测模型可视化个体风险为健康人群提供精准早期预防指导测试集准确率1.00外部验证>0.928AI预测CKD4期透析风险AI让"何时透析"从经验判断走向数据预测5508例CKD4期患者数据训练出高准度透析风险预测模型，让提前干预成为可能研究概况中国台湾团队纳入

5508例CKD4期患者，构建3年内启动透析的预测模型人工神经网络模型预测准度高，为提前干预提供依据五大风险因素5项血磷高年龄大心力衰竭蛋白尿多男性高血磷严格限磷控制血磷水平，延缓肾功能进一步恶化心衰及时治疗积极管理心衰，降低共病对肾脏的叠加损伤提前建立血管通路避免紧急插管AI预测透析相关瘙痒AI让透析患者的生活质量管理更加精准4万例全国最大规模瘙痒研究江苏毛慧娟团队·AI模型（CatBoost）实现精准预测4万例全国最大规模瘙痒研究样本0.804AI模型（CatBoost）预测AUC，优于传统模型β₂微球蛋白头号致痒风险因素前十大风险因素与干预风险因素身高、总铁结合力、β₂微球蛋白、血红蛋白、白细胞等干预措施加强透析、高通量血滤、控磷控钙核心机理β₂微球蛋白系透析难以清除的大分子毒素，减少瘙痒困扰AKI实时动态预测体系北大医院杨莉教授团队构建覆盖全院住院患者的AKI实时动态预测体系，覆盖四大临床场景。5万例推导队列11万外部验证20项纳入指标常规可获取，无需特殊检测0.72~0.86预测AUC仅8%的AKI初诊于肾病科，AI预警是全院防线的关键覆盖场景冠脉介入术后心脏手术后非心脏手术后普通住院患者实时动态预测实时计算未来24、48、72小时内AKI及重度AKI风险AKI预后风险模型精准分层对比：传统人工构建模型泛化能力有限，AI模型通过整合多维数据实现更精准的个体化风险分层。四川省人民医院基于中国肾脏病医疗大数据库（CRDS），通过

AI深度学习建立AKI预后模型，实现个体化风险分层。模型预测准确率预测时间窗死亡风险预测准确率24小时95%48小时94%72小时93%7天93%大模型赋能基层诊疗大模型让优质专科知识从三甲医院下沉到基层专科医生端辅助诊疗决策，提升专科诊疗同质化水平基层医生端基于标准化知识图谱提供循证建议，缓解基层专科能力不足患者端提供通俗化健康指导，增强患者参与度与依从性以

DeepSeek

为基础，学习国内外肾脏病诊疗指南，融合

CRDS

真实世界证据已部署

8

家医院，并开始服务县域基层医疗机构AI病理与影像辅助诊断AI将主观判读变为可量化、可复现的客观分析01组织病理病理诊断深度学习模型实现光镜、免疫荧光、电镜图像下肾小球、肾小管间质病变的自动分割与特征提取。识别

IgA肾病病理分型、糖尿病肾病病变、肾小球硬化及间质纤维化程度。02影像模态影像诊断AI算法辅助超声、CT、MRI进行肾脏结构自动识别、病灶分类与全肾体积测量。H-scan超声技术已初步用于无创评估肾脏纤维化程度。前沿展望从数据管理迈向数字肾脏多模态融合与无创监测，正在重塑肾脏病数据管理的边界。05数字肾脏开启多维可视时代北京大学团队在国际上发布"肾脏成像组计划"，拟通过多模态成像与AI算法构建全肾脏数字图谱数字肾脏是肾脏病数据管理向精准诊疗演进的终极形态时间规划数字肾脏三大特点动态仿真·多维可视让肾脏从分子细胞水平到整个器官运行直观可见多模态整合整合超声、核磁共振、CT、病理等成像数据，构建个性化数字模型3年动物模型构建动物"数字肾脏"10年临床诊疗实现人类"数字肾脏"临床诊疗应用从动物模型到临床诊疗，十年推进数字肾脏落地应用无创监测重塑数据采集方式采集方式的无创化，将极大丰富患者侧数据的连续性从刺破皮肤到隔空感知，5-10秒无创评估肾功能01传统路径传统有创采集透析患者长期承受反复穿刺之苦肾功能监测依赖抽血，需反复就医连续性差、依从性低、数据维度单一传统路径有创·低密度·弱连续02吾征AI无创监测新范式近红外动态光谱+普通摄像头人脸视频，无需抽血穿刺平视摄像头5-10秒，完成肾功能核心指标评估并生成个性化报告基于eGFR评估逻辑结合多模态认知计算模型，反推血肌酐、尿素氮等浓度趋势肾功能监测从刺破皮肤走向隔空感知，消除透析患者反复穿刺之苦吾征AI无创·连续·多维远程监测实现管理连续性远程监测将疾病管理从间断就诊变为持续守护40%▲

提升持续血压监测使高血压控制达标率提升92%▲

提升至连续性尿蛋白监测使早期肾衰诊断准确率提升至65%▲

提升机器学习用药提醒系统使患者用药依从性提升3%▼

降至漏服率降至3%以下8小时以内临床干预窗口期（原72