基于人工智能构建影像增强检查静脉穿刺位点定位模型的临床研究

摘要

目的 探讨基于人工智能的影像增强检查静脉穿刺位点选择的科学性，并对其进行临床效能评价。方法 采用前瞻性观察性研究，收集2025年6月25日至2025年7月11日在中山大学孙逸仙纪念医院及中山大学孙逸仙纪念医院深汕中心医院接受影像增强检查患者，参考《影像增强检查外周静脉通路三级评价査检表》指标进行汇总分析，采集多模态数据建立智能化数据预处理框架，构建基于人工智能的影像增强检查静脉穿刺位点定位模型。以放射科有5年以上工作经验护士确认过的、成功率较高的穿刺点为金标准，评估人工智能定位模型推荐的穿刺位点与金标准之间的吻合程度。结果 共纳入433例患者，低危组380例，高危组53例。基于人工智能的定位模型的Dice系数与交并比（IoU）分别为0.593 1与0.496 8，整体准确率达到0.967 1。在低危组中的Dice系数与IoU分别为0.617 8和0.506 9，召回率达到0.791 2,MLE分数为68.07；在高危组中的Dice系数与IoU分别为0.553 1与0.478 2，召回率为0.702 4,MLE分数为64.18。低危组与高危组的Dice系数、IoU、准确率、召回率和MLE分数比较差异均有统计学意义（均P<0.001）。年龄分层分析中，青年组、中年组、中老年组的Dice系数分别为0.581 0、0.659 8、0.629 2,IoU分别为0.456 3、0.502 1、0.529 8，准确率均超过0.95，召回率分别为0.635 0、0.759 1、0.710 4；老年组的Dice系数和IoU分别为0.550 6与0.524 7，准确率为0.946 3，召回率为0.670 1；各项指标的组间两两比较差异均有统计学意义（均P<0.05）。结论 本研究所建立的基于人工智能的定位模型可以有效提升穿刺点定位鲁棒性，提供具有临床直觉的一致性解释，为高效、安全地选择静脉穿刺位点提供指导方案。

关键词

影像增强检查 / 静脉穿刺位点 / 定位 / 人工智能 / 临床研究