编辑推荐：
维持性血液透析（HD）患者死亡率和发病率高，低动脉血氧饱和度（SaO2）与不良预后相关。研究人员用 1D - CNN 识别SaO2锯齿波模式（STP），模型准确率达 96.4%。该研究有助于深入了解透析时SaO2动态变化，指导诊疗。
在医疗领域，血液透析是许多肾脏功能严重受损患者维持生命的重要治疗手段。然而，接受维持性血液透析的患者却面临着高发病率和高死亡率的严峻挑战，其中心血管疾病是导致他们住院和死亡的主要原因。近年来，越来越多的研究发现，血液透析过程中低动脉血氧饱和度（
SaO2）与患者不良预后密切相关 。不仅如此，睡眠呼吸暂停在这一群体中也极为普遍，它很可能是造成透析过程中患者出现低氧血症的 “罪魁祸首” 之一。在睡眠呼吸暂停患者中，正常的呼吸模式会被呼吸暂停发作打乱，不管是呼吸控制紊乱引起的中枢性睡眠呼吸暂停，还是上气道阻塞导致的阻塞性睡眠呼吸暂停，都会出现这种情况。而间歇性
SaO2锯齿波模式正是睡眠呼吸暂停的一个典型特征。但目前，对于血液透析过程中
SaO2的动态变化，人们的了解还十分有限。为了填补这一知识空白，来自美国 Renal Research Institute 的研究人员开展了一项极具意义的研究，相关成果发表在《BMC Nephrology》杂志上。
研究人员开展的这项研究，主要是利用人工智能技术，通过构建一维卷积神经网络（1D - CNN），尝试自动识别患者在血液透析过程中出现的间歇性SaO2锯齿波模式。研究的主要结论是，1D - CNN 算法能够准确地对SaO2锯齿波模式进行分类。这一结论意义重大，它意味着在血液透析过程中，该算法可以实时对SaO2模式进行分类，一旦检测到患者出现呼吸不稳定或睡眠呼吸暂停的迹象，就能及时发出警报，进而促使医疗人员采取进一步的诊断和治疗措施，这对于改善维持性血液透析患者的预后、降低他们的死亡率和发病率有着重要的作用。
在研究方法上，研究人员主要运用了以下关键技术：一是使用经美国食品药品监督管理局（FDA）批准的 Crit - Line device（CLM），对以动静脉瘘为血管通路的血液透析患者的体外循环SaO2进行测量，该设备每秒能测量 150 次，测量数据经 10 秒平均后传输至云端；二是收集了美国 Fresenius Kidney Care 网络中约 600 家诊所的 500,000 次 HD 治疗数据，从中选取 89 次治疗数据用于模型构建；三是利用 1D - CNN 进行SaO2模式分类，将数据随机划分为训练集（80%）和测试集（20%），并对训练集进行上采样等处理 。
研究结果部分：
- 数据采集与划分：研究人员从 22 名血液透析患者的 89 次透析治疗中，分析了 4,075 个连续的 5 分钟片段。其中，891 个（21.9%）片段显示出锯齿波模式，3,184 个（78.1%）未显示。训练数据集包含 3,260 个片段，测试集包含 815 个片段。
- 模型性能评估：在测试数据集中，1D - CNN 模型对SaO2模式分类的准确率达到 96.4%，受试者工作特征曲线下面积（AUC）为 0.995（95% 置信区间：0.993 - 0.998） 。模型的灵敏度为 96.5%，特异性为 96.4%，F1分数为 0.92，这表明该模型能够可靠地检测锯齿波模式。
- 外部验证结果：在从 18 家诊所随机选择的 20 次近期 HD 治疗的外部验证数据集中，模型的灵敏度为 95.1%，特异性为 96.7%，F1分数为 0.79。
- 锯齿波模式细分：研究人员进一步将锯齿波模式分为轻度和重度。若 5 分钟片段被分类为锯齿波模式且该片段中最低SaO2低于 90%，则归为重度锯齿波模式；若片段中所有SaO2测量值均等于或高于 90%，则归为轻度锯齿波模式 。
在研究结论和讨论部分，该研究表明 1D - CNN 能够高精度地对血液透析期间的准连续SaO2记录进行分类。鉴于低氧血症在血液透析患者中的普遍性和临床重要性，这一成果具有重要的临床意义。虽然目前SaO2锯齿波模式与血液透析患者预后之间的关系尚不明确，但研究人员推测，识别SaO2锯齿波模式可能会为临床决策、诊断和治疗干预提供有价值的信息。例如，SaO2锯齿波模式与睡眠呼吸暂停综合征（SAS）相关，对于检测到SaO2锯齿波模式的患者，进行 SAS 的相关临床检查和测试，并在确诊后给予适当治疗，有望改善患者的健康状况。此外，大规模应用 1D - CNN，还能帮助研究人员探究SaO2锯齿波模式与各种临床因素之间的关系，为进一步了解这些模式的临床意义提供依据，也可为其他预测模型提供特征输入，从而推动血液透析临床诊疗水平的提升。
