脉搏波驱动机器学习无创评估终末期肾病患者冠状动脉钙化程度

本研究针对终末期肾病(ESRD)患者冠状动脉钙化(CAC)评估的临床难题，创新性地采用脉搏波特征结合梯度提升决策树(GBDT)算法，实现了84.1%准确率的无创分级诊断。通过分析58例血液透析患者桡动脉波形形态学参数、下降支特征及复杂度指标，首次揭示CAC严重程度与波形平滑化、重搏波衰减的显著关联，为心血管风险早期预警提供了便捷可靠的床旁工具。

　　

终末期肾病(ESRD)患者长期依赖血液透析生存，却面临心血管并发症的致命威胁，其中冠状动脉钙化(CAC)是最凶险的"沉默杀手"。传统CT检测虽能精准量化钙化程度，但辐射暴露和高昂成本使其难以常规开展。更棘手的是，血液透析过程中血流动力学波动会加速钙化进程，而临床缺乏实时监测手段。当钙化评分(CACS)>400时，患者心血管死亡率飙升3倍，但多数人直到突发心梗才被发现血管"石化"。这促使研究者思考：能否从每次透析必测的桡动脉搏动中，捕捉到钙化的蛛丝马迹？

北京工业大学联合北京积水潭医院团队在《BioMedical Engineering OnLine》发表突破性研究。该研究采集58例ESRD患者血液透析全程(透析前、每小时、透析后)的桡动脉脉搏波，通过低剂量CT(LDCT)获取Agatston钙化评分将患者分为无、轻度(1-100)、中度(101-400)、重度(>400)四组。采用机器学习提取波形形态(NA/NB/NC)、下降支斜率(SLB/SLc)、样本熵(SampleEn)等45维特征，构建梯度提升决策树(GBDT)分类模型，通过五折交叉验证和独立测试集评估性能。

脉搏波参数分析结果

波形形态学显示：无钙化组主波后可见明显潮波与重搏波，而随着钙化加重，潮波逐渐衰减融合。重度组波形呈现"单峰圆钝化"，NB位置右移12.3%(p<0.01)，PB振幅升高28.5%。下降支参数中，重度组SLB在透析3小时较无钙化组高41.7%，反映血管弹性丧失。复杂度参数SampleEn在无钙化组达0.86±0.11，显著高于重度组0.52±0.09(p<0.001)，提示钙化导致脉搏节律紊乱。

GBDT模型性能

模型在五折交叉验证中宏AUC达0.962±0.024，独立测试集准确率83.9%。特别对重度钙化识别灵敏度达91.4%，ROC曲线下面积0.99。特征重要性分析显示，全流程立体波体积参数(V)和下降支面积比(Dr₂)贡献度最高。

这项研究开创了"脉搏指纹"识别血管钙化的新范式。通过捕捉波形中NA右移、SampleEn降低等特征，相当于破译了血管钙化的"摩斯密码"。其临床价值在于：① 无创便捷，可替代30%不必要的CT检查；② 实时动态监测透析中血流恶化；③ 成本仅为传统检测1/20。未来若整合血磷、PTH等生化指标，有望建立ESRD患者心血管风险的"预警雷达系统"。正如研究者指出，当患者脉搏从"峰谷分明"变为"缓坡连绵"，就是血管开始"结霜"的危险信号。