对疾病机制的更加深入了解将有助于解决日益严重的全球问题–慢性肾脏病。

慢性肾脏病（CKD）是一个全球性的健康危机，估计全世界有8.5亿人受到影响。慢性肾脏病的上升速度比包括心血管疾病在内的所有非传染性疾病都要快，其发病率比癌症高20倍。大多数人甚至没有意识到他们的肾脏受到损害，直到损害严重至面临心脏病发作、中风和肾衰竭的风险。

早期发现和治疗可以改变和减缓疾病的进程，防止残疾或死亡。不幸的是，在诊断和治疗方面的进展不多，而且大都无法跟上全球急性和慢性肾脏疾病的快速增长。

目前诊断肾脏疾病的方法

肾脏是一个复杂的器官，负责维持人体多个方面的平衡和稳定，包括许多相互关联但又不同的功能。目前诊断肾脏疾病的建议包括测量肾小球滤过率(GFR)和确定蛋白尿的存在和水平。肾小球滤过率被认为是肾脏健康的最准确指标。

直接测量GFR是一个复杂而漫长的过程，是不现实的。相反，临床医生使用基于血清肌酐的公式来估计GFR (eGFR)。通过简单的血液测试测量肌酐水平可以帮助尽早识别CKD，并表明肾脏没有正确过滤主要来自肌肉组织正常分解的废物。

虽然eGFR测量可能表明肾脏功能失常以及其严重程度，但它并不能说明一个人为什么会患有这种疾病，它将如何影响一个人未来的健康，或者如何最佳地治疗它。此外，肌酸水平也会受到其他因素的影响，包括饮食、肌肉量、怀孕、年龄、慢性疾病，甚至一些药物。

测量尿蛋白排泄与成像，以及可能需要的肾脏活检，能够提供线索和发生问题的原因。然而，尿蛋白排泄是可变的，可能受到许多因素的影响，因此很难以标准化的方式进行测量。活组织检查是侵入性的，只能对正在发生的事情给出一个快照。

简而言之，目前的诊断测试在了解病因和告诉我们如何最好地治疗病人方面是有限的。它们不能为我们提供慢性或预后的指示，如果有血流动力学变化导致肾损伤，或者如果患者或多或少可能对某种治疗有反应。

“一个生物标志物，或一组生物标志物，可以提供关于疾病早期进展风险的信息，这对于识别那些可能从早期干预中受益的人非常有用，也可以帮助丰富临床试验，在以前的研究中，阴性结果可能部分归因于纳入了低进展风险的患者。”

Chee Kay Cheung, Consultant Nephrologist, John Walls Renal Unit, Leicester General Hospital, UK, and George Clinical Renal and Metabolic Scientific Leader

揭示分子机制如何为更好的诊断和治疗打开大门的一个完美例子是APOL1基因。在西非，APOL1已被确定为某些人群中的“肾脏风险”基因。该基因的两种特殊变体(G1和G2)于2008年被发现，已被证明可以解释非裔美国人因糖尿病以外的原因引起的肾衰竭的几乎所有额外风险——这是了解该疾病负担增加的重大突破。这种基因很可能是在西非人群中进化而来的，目的是保护人们免受由采采蝇传播的导致昏睡病的寄生虫感染，这种疾病每年导致数千人死亡。目前和未来的临床试验将能够更准确地确定APOL1基因携带者的最佳治疗方法。

对肾脏诊治的展望

现代医学正迅速向精准医学发展——能够根据影响疾病进展的独特特征以及患者身体对特定疗法的反应方式，为患者制定个性化的诊断测试和治疗计划。这一概念在某些类型的癌症中得到了很好的发展，例如乳腺癌患者的HER-2状态，我们开始在肾脏病学中看到这一点，例如，膜性肾病患者的抗pla2r抗体状态。

目前正在进行的工作是确定肾脏疾病机制中可靠的通路特异性生物标志物，这些标志物是更好的预后和预测指标。了解可能影响治疗结果的特征，如年龄、性别、种族、疾病病因和严重程度、合并症、伴随暴露和遗传变异，将有助于确定药物靶点，并导致更有效的治疗。通过提供更精确的纳入标准，减少调查所需的样本量，并帮助更快地将研究成果转化为临床实践，更特异和敏感的生物标志物也将提高临床试验的效率。

分子生物学的最新进展带来了希望

癌症研究人员成功地确定了导致精确疾病管理的遗传/分子标记，这鼓舞了肾脏研究人员。由于慢性肾脏疾病很少是由单个基因引起的，因此挑战在于确定一组基因或一个标记组，以确定个体疾病的发病机制。这将需要大量的纵向收集数据和广泛收集肾脏组织和其他样本。

国际研究界正在努力从分子角度重新定义肾脏疾病。它需要在具有全面组织采样和准确数据的所有人口统计数据的大量患者的国际登记方面进行合作。更深入地了解肾脏疾病的精确分子途径将提高筛查、诊断和预后的准确性。

展望未来，学术界和业界都必须继续为这一事业投入时间和资源。需要进行大规模的多中心研究，并建立公开可用的数据中心。新兴的大型生物和临床数据库将允许挖掘不同类型的数据，包括分子、组织和临床参数，以了解驱动肾脏疾病病理及其进展的基因、蛋白质和分子机制之间的关系。

人工智能和机器学习的技术进步将能够加速从大规模数据集中提取可操作知识所需的强大计算，并推动肾脏病学向前发展，以应对面临的日益增长的全球挑战。