本研究利用机器学习模型动态识别慢性肾脏疾病患者，预测其是否需要肾脏替代治疗，灵敏度和特异度均超过90%。同时，开发了个性化死亡预测模型AICare，并评估了大型语言模型在医学知识测试中的能力，提出新方法以提高早期透析预测的准确性，为临床决策提供支持。

本研究利用机器学习模型动态识别慢性肾脏疾病患者，预测其是否需要肾脏替代治疗，灵敏度和特异度均超过90%。通过对近三百万医保受益人进行预测，为早期干预提供了基础。XGBoost模型在糖尿病肾病筛选中表现最佳，AUC值达0.966，可能成为生物标志物。