深度學習

目前的指引建議，動靜脈廔管狹窄的篩檢可藉由“理學檢查來發現血管通路血流異常的臨床表現，來做血管通路的檢查和評估”，例如手臂腫脹、透析後出血延長、血管通路隆隆聲或震動感改變。聽診監測血流異常，和血管攝影相比，是非侵襲性方法；和超音波相比，更方便。血管通路隆隆聲或震動感改變可能是血管狹窄正在發生的最早期臨床指標之一，能用低成本隨手可得的數位聽診器測量。然而聽診是高度主觀的理學檢查技巧，端看聽診者的本領。

來自美國的報告，基於動靜脈廔管血流聲，以超音波確認資料正確性的監督式學習，來嘗試發展和執行動靜脈廔管狹窄的自動化篩檢。在血管通路不同部位擷取血流聲音頻譜，以不同的智慧學習模式，例如神經網路、視覺轉換器等，其中以368x128頻譜影像訓練視覺轉換器表現最好。這利用深度學習來分析動靜脈廔管血流聲音，是創新快速且容易上手的動靜脈廔管狹窄篩檢方法。初步模式評估顯示，這技術能夠篩檢血管狹窄的程度，可媲美腎臟科醫師作理學檢查，且有自動化和可規模化的優勢。對於人力不足的透析中心(腎友和工作人員比率超過90:1和高達美國腎臟基金會建議上限300%以上)，這新的篩檢工具能幫忙找出可能被遺漏的血管狹窄個案，或是發現可疑個案，再進一步安排超音波，而非完全取代超音波檢查。下一步是將模式用在伺服器上，設計應用介面給使用者上傳聲音檔，並回饋預測結果。