慢性肾病（CKD）是一项重大的全球健康挑战，其特征是肾脏损伤和功能下降。本文回顾了慢性肾病中肾脏和心脏 病风险预测的现状，强调传统模型的局限性及人工智能（AI）技术整合的潜力。人工智能，尤其是机器学习（ML）和深度学 习（DL），为通过分析庞大且多样化的患者数据（包括遗传标志物、生物标志物和影像学）来增强风险预测提供了有前景的途 径，实现个性化且细致入微的风险评估。推动可解释人工智能（XAI）和严格数据治理对于确保人工智能驱动预测的透明度、 可解释性和可信度至关重要。