基于机器学习的预测动脉静脉患者狭窄的方法
Yunghsin Chen1, Wei-Tse Hsu2, Christopher Chen1
1Above Care Inc., San Jose, California, USA.
Seminars in dialysis
|July 2, 2025
概括
人工智能可以通过分析声波来预测动脉静脉 (AVF) 狭窄,提供一种非侵入性的监测方法. 这项技术有助于早期检测,可能减少并发症并改善血液透析接入生存率.
科学领域:
- 科和生物医学工程
- 人工智能在医学诊断中的应用
背景情况:
- 动脉静脉 (AVF) 对于血液透析至关重要,但狭窄和血栓是常见的并发症.
- 目前对AVF狭窄的体检方法缺乏一致的诊断准确性.
- 分析AVF声波提供了一个潜在的非侵入性监测方法.
研究的目的:
- 通过数字化声波分析,评估人工智能算法在检测动脉静脉 (AVF) 狭窄的有效性.
- 为了确定AI的灵敏度和特异性,对AVF狭窄症的严重程度进行分类.
主要方法:
- 机器学习算法通过199名血液透析患者的数字录制的AVF声音进行训练.
- 狭窄症的严重程度根据血管学分类为显著 (>70%) 或非显著.
- 该算法对30%的记录数据进行了测试.
主要成果:
- 人工智能模型在分类AVF狭窄时实现了94.1%的灵敏度和81.7%的特异性.
- 根据声信号,成功地区分了显著和微不足道的狭窄.
- 纳入了199名患者,其中96人患有显著的狭窄症.
结论:
- 使用人工智能对AVF数字声波的分析是一种可行的,非侵入性的方法来预测狭窄.
- 这种技术有助于早期检测和管理AVF狭窄,防止访问损失.
- 开发AVF狭窄的远程监测系统的潜力,在流行病情况下至关重要.
