慢性肾炎、肾炎综合征患者的好消息。本文稍微长一点，字，阅读大约需要15分钟。
肾穿刺是从哪来的？
年，是不平凡的一年。
这一年，野心勃勃的日不落帝国在全世界开辟殖民地，占领了英属印度洋领地；这一年，嘉庆皇帝发布号令，禁止鸦片进入北京。
世界正在急速变化，而肾病领域却很淡定，因为当时，人类还不知道什么是肾病，肾脏对人类来讲还是一个“黑箱”。
这一年，医院收到了一位21岁的年轻学生，这位新生上了第一堂解剖课。
这一堂平凡的解剖课，却开启了不平凡的征程。
本堂课上，这位年轻的医学生看到了肾脏，对这个拳头大小、形似蚕豆的器官产生了浓厚的兴趣。和很多其他同学不一样，他对病理和解剖的兴趣极其强烈。接下来几年，他有事没事就来研究肾脏，健康人的、病态的，挨个研究。
这位年轻的医学生，就是布赖特——肾脏病学的开山祖师。
年，已经研究尸肾十七载的布赖特，出版了《病案报告》，从解剖和病理角度，首次向人们展示了大部分水肿病的根源——肾脏病。肾脏病第一次进入人类眼中。
从肾病刚被发现开始，病理一直是肾脏病学的核心之一，直到现在。不过现在的人们研究病理，不用解剖了，而是用肾穿刺。
病理也不止是判断有病没病，还可以判断肾病是哪一种（病理类型）。
肾穿刺是不是必要的？
作为一种创伤性检查，肾穿刺从诞生之初就伴随着争议。
一方面，通过肾穿刺看病理类型较为准确，95%以上的准确度没有其它化验检查能赶得上；另一方面，一定概率的出血、感染、急性肾衰竭等并发症，终究是这种创伤性检查的缺陷。而且较高的穿刺费用以及检查前后给患者带来的不便，也让它不那么亲民。
哪些患者需要肾穿刺、哪些患者不用肾穿刺？一直都是研究的热点，也随着肾脏病学的发展而动态演变。
从肾脏上抓下一小块肉来观察，从某种角度来讲是较为原始粗暴的。科学和检验技术越进步，就越有条件可以不依赖肾穿刺活检。我一直相信，未来的检验技术会越来越远离、甚至脱离创伤性的肾穿刺活检。
肾穿刺都穿出来了哪些肾病？
目前我国尿*症的主要病因，还是肾小球肾炎。在肾小球肾炎中，近年来有两个病种平分秋色，几乎各占据了半壁江山。
一是膜性肾病，二是IgA肾病。
因为过去卫生条件不好，感染高发，IgA肾病在十几年到几十年前，是肾小球疾病的最大人群，能占到近一半。近年来随着环境污染和营养过剩，膜性肾病越来越多，多个中心的研究显示，新发的膜性肾病数量基本上赶上了IgA肾病。
第三名的微小病变肾病多发于儿童，容易诊断，从来不是肾穿刺的主战场，先略过不谈。
目前最大的问题是：
膜性肾病和IgA肾病需不需要肾穿刺？
首先迎来突破的是膜性肾病
年，Beck等在成人原发性膜性肾病患者血清中发现了“抗磷脂酶A2受体抗体”，并将其作为鉴别原发性膜性肾病的特异性标志物。
随后的研究发现，用“抗磷脂酶A2受体抗体”来诊断膜性肾病，敏感性约78%——敏感性的意思是说，78%的膜性肾病患者，可以通过“抗磷脂酶A2受体抗体”检查出来。
更令人称道的还不是它的敏感性，而是特异性：99%，甚至有多项报告直接检出了%——特异性的意思是说，凡是“抗磷脂酶A2受体抗体”呈阳性的患者，几乎全部是膜性肾病。
总结：膜性肾病患者的抗体不一定都是阳性（占多数），但阳性的患者几乎都是膜性肾病。
“抗磷脂酶A2受体抗体”还有其它的亮眼作用，暂且先不谈，下面赶紧进入正题。
笔者比较啰嗦，现在才进入正题-_-
，半路退出的读者（后台数据显示55%的读者会半路退出）可能要亏了。
IgA肾病的无创诊断
长期以来，IgA肾病作为人数最为庞大的一种肾病，却没有特异性标志物。虽然有学者发现血清IgA/C3比值有一定的预示IgA肾病的作用，但70%左右的正确率还不够。
近年来，人工智能技术获得了不错的进展。要代替肾穿刺来诊断IgA肾病，人工智能也需贡献一份力量。
谷歌的人工智能AlphaGo在4年前战胜围棋世界冠*李世石，一战成名；4年后的今天，它的同胞兄弟AlphaFold在蛋白质结构预测竞赛中一举夺魁。冠*每次都有，但这个冠*非常特别：AlphaFold拉开第二名的差距，比第二名到最后一名的差距还大。随便给它一串氨基酸序列，它预测出的蛋白质结构能达到实用化的程度。结构生物学家们直呼过瘾，节省下了大量的工作量。虽然它不一定比得上前几年获得诺贝尔奖的冷冻电镜的地位，但足以在生物学中青史留名。
人工智能预测蛋白质的结构成功了，那么预测肾病的病理类型呢？
这几天（年12月15日-19日），中华医学会肾脏病学分会年学术年会召开，会上一项无创诊断IgA肾病的研究《IgA肾病无创诊断模型的建立及验证》令人赞叹：通过人工神经网络构建的诊断IgA肾病的模型，覆盖了达94%的IgA肾病患者。
虽然还没达到肾穿刺的精准度，但已经不错了。
肾穿刺短时间内还不至于被淘汰，它的价值也不止于判断病理类型。但人工智能的上场，确实让地位岌岌可危的肾穿刺江河日下。
为何人工智能如此神奇？
其实，人工神经网络、机器学习这一类人工智能方法，都是“大力出奇迹”。
我们知道，IgA肾病和许多指标有关系：年龄、低密度脂蛋白、总胆固醇、IgA/C3比值、血IgA水平、血尿、24小时尿蛋白定量、肾小球滤过率、血红蛋白、血尿酸和高血压等等因素。
每一项因素都不是决定性的，但将它们综合起来分析，就有更大可能得出正确的预测。许多患者抱怨检查太多，正是如此。
而且，人工智能诊断的案例越多，就越有“经验”。
和人类医生很像，医生的经验不一定都是对的，不过经验多了，总会提高诊治病情的正确率。但是，人的精力、记忆力毕竟有限，无法做出海量的训练。而海量的训练，是计算机的特长。
一次不行就十次，十次不行就一百次，一百次不行就一千次、一万次……人工智能大力出奇迹，可以通过超出人类几个数量级的训练量，成为经验极其丰富的“万年老师傅”。
人类不知道具体是如何预测的，人工智能它自己也不知道隐藏层（经验？）是什么，不过它“手熟”了。在复杂的人体和医学面前，人类总是知其然而不知其所以然。
从前人类一直认为这个世界的规律是可以被确切地认知的，但科学和技术的发展方向越来越朝向不可知，越来越“黑箱”，可知论被动摇。对科学来讲，不知是可喜，还是可悲。
不过无论如何，在临床上，对肾病患者来讲总是可喜的，IgA肾病无创诊断的前景越来越光明。