ARTICLE · 1121400
内瘘评估,又有AI新工具!
内瘘评估,又有AI新工具!
新应用 
注：AI主要根据皮肤完整性、红斑、表面改变等视觉特征进行判断，并不输入患者病史、查体结果或超声数据 研究概述 
参考文献： Dong Z, Zhang H, Wang LC, Ban AN, Ren S, Tisdale L, Han M, Douglas D, Starakiewicz P, Shtaynberg N, Fuca N, Kozyra A, Prakash-Polet S, Bittencourt VG, Rosales M L, Thijssen S, Preddie DC, Kotanko P. Cloud-Based AI Application for Classifying Arteriovenous Hemodialysis Vascular Access Aneurysms: Findings from a Masked Multicenter Derivation Cohort Study. Clin J Am Soc Nephrol. 2026 Oct 1. doi: 10.2215/CJN.0000001231. Epub ahead of print. PMID: 42821327. （▲▼上下滑动查看内容） 
01 简介
内瘘“鼓包”
血透通路是许多血液透析患者的“生命线”，局部动脉瘤样扩张并不少见。多数情况下可能没有明显症状，但如果出现皮肤变薄、破溃、渗血或瘤体增大等表现，则需要警惕更高的出血和破裂风险
最新研究
近日，CJASN 发表一项多中心研究：研究人员尝试用手机或平板拍摄通路照片，让AI识别哪些动脉瘤存在高风险特征
原文
02 要点
研究团队开发了一套名为ACA的云端动脉瘤分类应用。每位患者从不同角度拍摄6张血管通路照片，上传后由卷积神经网络进行分析，并输出属于高危型动脉瘤的概率
研究共纳入120例维持性血液透析患者，平均年龄62岁，其中97例使用AVF，23例使用AVG，共拍摄720张血管通路照片。同时，由血管通路专科医生结合查体、病史及必要时超声进行判断，作为评价AI表现的参考标准
AI表现如何？
医生最终判断，120例患者中有26例（22%）属于高危型动脉瘤，94例（78%）属于非高危型。AI模型整体区分能力较好，AUROC达到0.908。在最佳阈值下，AI识别高危型动脉瘤的敏感度为96%、特异度为82%，总体准确率约为85%
敏感识别高危型动脉瘤
26例高危型动脉瘤中，AI正确识别25例，仅漏诊1例；94例非高危型动脉瘤中，正确识别77例，另有17例被误判为高危型，提示该模型更倾向于减少漏诊，但仍存在一定假阳性
总结
本研究提示，AI有望成为血液透析血管通路动脉瘤的便捷筛查工具。通过定期拍照，透析中心工作人员甚至居家血透患者都可能更早发现可疑的高风险变化，再由专科医生进一步评估。不过，目前研究样本量仍较小，真正应用于临床前，仍需在更大规模、真实世界环境中进一步验证