慢性腎炎、腎炎綜合徵患者的好訊息。本文稍微長一點，2600字，閱讀大約需要15分鐘。

腎穿刺是從哪來的？

1810年，是不平凡的一年。

這一年，野心勃勃的日不落帝國在全世界開闢殖民地，佔領了英屬印度洋領地；這一年，嘉慶皇帝釋出號令，禁止鴉片進入北京。

世界正在急速變化，而腎病領域卻很淡定，因為當時，人類還不知道什麼是腎病，腎臟對人類來講還是一個“黑箱”。

這一年，英國的倫敦蓋伊醫院收到了一位21歲的年輕學生，這位新生上了第一堂解剖課。

這一堂平凡的解剖課，卻開啟了不平凡的征程。

本堂課上，這位年輕的醫學生看到了腎臟，對這個拳頭大小、形似蠶豆的器官產生了濃厚的興趣。和很多其他同學不一樣，他對病理和解剖的興趣極其強烈。接下來幾年，他有事沒事就來研究腎臟，健康人的、病態的，挨個研究。

這位年輕的醫學生，就是布賴特——腎臟病學的開山祖師。

1827年，已經研究屍腎十七載的布賴特，出版了《病案報告》，從解剖和病理角度，首次向人們展示了大部分水腫病的根源——腎臟病。腎臟病第一次進入人類眼中。

從腎病剛被發現開始，病理一直是腎臟病學的核心之一，直到現在。不過現在的人們研究病理，不用解剖了，而是用腎穿刺。

病理也不止是判斷有病沒病，還可以判斷腎病是哪一種（病理型別）。

腎穿刺是不是必要的？

作為一種創傷性檢查，腎穿刺從誕生之初就伴隨著爭議。

一方面，透過腎穿刺看病理型別較為準確，95%以上的準確度沒有其它化驗檢查能趕得上；另一方面，一定機率的出血、感染、急性腎衰竭等併發症，終究是這種創傷性檢查的缺陷。而且較高的穿刺費用以及檢查前後給患者帶來的不便，也讓它不那麼親民。

哪些患者需要腎穿刺、哪些患者不用腎穿刺？一直都是研究的熱點，也隨著腎臟病學的發展而動態演變。

從腎臟上抓下一小塊肉來觀察，從某種角度來講是較為原始粗暴的。科學和檢驗技術越進步，就越有條件可以不依賴腎穿刺活檢。我一直相信，未來的檢驗技術會越來越遠離、甚至脫離創傷性的腎穿刺活檢。

腎穿刺都穿出來了哪些腎病？

目前我國尿毒症的主要病因，還是腎小球腎炎。在腎小球腎炎中，近年來有兩個病種平分秋色，幾乎各佔據了半壁江山。

一是膜性腎病，二是IgA腎病。

因為過去衛生條件不好，感染高發，IgA腎病在十幾年到幾十年前，是腎小球疾病的最大人群，能佔到近一半。近年來隨著環境汙染和營養過剩，膜性腎病越來越多，多箇中心的研究顯示，新發的膜性腎病數量基本上趕上了IgA腎病。

第三名的微小病變腎病多發於兒童，容易診斷，從來不是腎穿刺的主戰場，先略過不談。

目前最大的問題是：

膜性腎病和IgA腎病需不需要腎穿刺？

首先迎來突破的是膜性腎病

2009年，Beck等在成人原發性膜性腎病患者血清中發現了“抗磷脂酶A2受體抗體”，並將其作為鑑別原發性膜性腎病的特異性標誌物。

隨後的研究發現，用“抗磷脂酶A2受體抗體”來診斷膜性腎病，敏感性約78%——敏感性的意思是說，78%的膜性腎病患者，可以透過“抗磷脂酶A2受體抗體”檢查出來。

更令人稱道的還不是它的敏感性，而是特異性：99%，甚至有多項報告直接檢出了100%——特異性的意思是說，凡是“抗磷脂酶A2受體抗體”呈陽性的患者，幾乎全部是膜性腎病。

總結：膜性腎病患者的抗體不一定都是陽性（佔多數），但陽性的患者幾乎都是膜性腎病。

“抗磷脂酶A2受體抗體”還有其它的亮眼作用，暫且先不談，下面趕緊進入正題。

筆者比較囉嗦，現在才進入正題-_-||，半路退出的讀者（後臺資料顯示55%的讀者會半路退出）可能要虧了。

IgA腎病的無創診斷

長期以來，IgA腎病作為人數最為龐大的一種腎病，卻沒有特異性標誌物。雖然有學者發現血清IgA/C3比值有一定的預示IgA腎病的作用，但70%左右的正確率還不夠。

近年來，人工智慧技術獲得了不錯的進展。要代替腎穿刺來診斷IgA腎病，人工智慧也需貢獻一份力量。

谷歌的人工智慧AlphaGo在4年前戰勝圍棋世界冠軍李世石，一戰成名；4年後的今天，它的同胞兄弟AlphaFold在蛋白質結構預測競賽中一舉奪魁。

冠軍每次都有，但這個冠軍非常特別：AlphaFold拉開第二名的差距，比第二名到最後一名的差距還大。隨便給它一串氨基酸序列，它預測出的蛋白質結構能達到實用化的程度。

結構生物學家們直呼過癮，節省下了大量的工作量。雖然它不一定比得上前幾年獲得諾貝爾獎的冷凍電鏡的地位，但足以在生物學中青史留名。

人工智慧預測蛋白質的結構成功了，那麼預測腎病的病理型別呢？

這幾天（2020年12月15日-19日），中華醫學會腎臟病學分會2020年學術年會召開，會上一項無創診斷IgA腎病的研究《IgA 腎病無創診斷模型的建立及驗證》令人讚歎：透過人工神經網路構建的診斷IgA腎病的模型，覆蓋了達94%的IgA腎病患者。

雖然還沒達到腎穿刺的精準度，但已經不錯了。

腎穿刺短時間內還不至於被淘汰，它的價值也不止於判斷病理型別。但人工智慧的上場，確實讓地位岌岌可危的腎穿刺江河日下。

為何人工智慧如此神奇？

其實，人工神經網路、機器學習這一類人工智慧方法，都是“大力出奇跡”。

我們知道，IgA腎病和許多指標有關係：年齡、低密度脂蛋白、總膽固醇、IgA/C3比值、血IgA水平、血尿、24 小時尿蛋白定量、腎小球濾過率、血紅蛋白、血尿酸和高血壓等等因素。

每一項因素都不是決定性的，但將它們綜合起來分析，就有更大可能得出正確的預測。許多患者抱怨檢查太多，正是如此。

而且，人工智慧診斷的案例越多，就越有“經驗”。

和人類醫生很像，醫生的經驗不一定都是對的，不過經驗多了，總會提高診治病情的正確率。但是，人的精力、記憶力畢竟有限，無法做出海量的訓練。而海量的訓練，是計算機的特長。

一次不行就十次，十次不行就一百次，一百次不行就一千次、一萬次……人工智慧大力出奇跡，可以透過超出人類幾個數量級的訓練量，成為經驗極其豐富的“萬年老師傅”。

人類不知道具體是如何預測的，人工智慧它自己也不知道隱藏層（經驗？）是什麼，不過它“手熟”了。在複雜的人體和醫學面前，人類總是知其然而不知其所以然。

從前人類一直認為這個世界的規律是可以被確切地認知的，但科學和技術的發展方向越來越朝向不可知，越來越“黑箱”，可知論被動搖。對科學來講，不知是可喜，還是可悲。

不過無論如何，在臨床上，對腎病患者來講總是可喜的，IgA腎病無創診斷的前景越來越光明。