EUVIMEDEUVIMED entdecken
Crossref

Artificial intelligence for the monitoring of vascular access in hemodialysis: A narrative review focused on arteriovenous fistulas and grafts

Künstliche Intelligenz zur Überwachung des vaskulären Zugangs bei Hämodialyse: narrative Übersichtsarbeit mit Fokus auf arteriovenöse Fisteln und Shunts

Andrea Gattuso, Marco Tadiello, Marco Heidempergher, Maria Antonietta Orani, Tiziano Porretta

The Journal of Vascular Access · 04.11.2026

DOI: 10.1177/11297298261498449 ↗

Auf einen Blick

Die Übersichtsarbeit beschreibt KI-Anwendungen zur nicht invasiven und semi-invasiven Überwachung arteriovenöser Zugänge bei Hämodialyse. Für die Stenoseerkennung und die Vorhersage der Fistelreifung werden vielversprechende Ergebnisse berichtet.

Fragestellung

Welche Rolle kann künstliche Intelligenz bei der Überwachung arteriovenöser Zugänge für die Hämodialyse spielen?

Methode

Narrative Literaturübersicht mit PubMed und weiteren Quellen; Suche mit Begriffen zu KI, Machine Learning, Deep Learning, AVF/AVG, vaskulärem Zugang, Hämodialyse, Stenose und Reifung.

Ergebnisse

Zwei Forschungsrichtungen: akustische Flussgeräusch-Analyse zur frühen Stenoseerkennung sowie ML mit klinischen und Duplex-Ultraschall-Parametern zur Vorhersage von AVF-Reifung und Langzeitoffenheit. Berichtet werden oft Sensitivität und Spezifität über 0,90 in Einzelzentrumsstudien.

Einschränkungen

Kleine Stichproben, fehlende externe Validierung, heterogene Referenzstandards und begrenzte Modellinterpretierbarkeit.

Schlussfolgerung der Autor:innen

KI-basierte Werkzeuge zeigen vielversprechende diagnostische Leistung für die Überwachung des vaskulären Zugangs, sind aber vor der Routineanwendung noch weiter zu validieren.

Kernaussagen

  • Akustische Analyse kann frühe Stenosen von AVF erkennen.
  • ML nutzt klinische und Duplexdaten zur Vorhersage von Reifung und Patency.
  • AIoT-Systeme für häusliche, kontinuierliche Überwachung sind im Entstehen.

Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.

Kurz gefasst

Fachartikel in der Zeitschrift The Journal of Vascular Access, online erschienen am 04.11.2026. Verfasst von Andrea Gattuso und 4 weiteren Autor:innen. Die Arbeit nennt 20 Literaturangaben.

Auf einen BlickAbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Arteriovenous fistulas (AVFs) are the preferred vascular access for hemodialysis, yet they are affected by high rates of non-maturation and stenosis-related failure. Conventional surveillance methods—physical examination, duplex ultrasound, and angiography—are limited by operator dependence, cost, or invasiveness. Artificial intelligence (AI) has recently been applied to support non-invasive and semi-invasive monitoring of arteriovenous access. A narrative literature review was conducted using PubMed and related sources (PubMed Central, Nature Digital Medicine, Scientific Reports), searching combinations of the terms “artificial intelligence,” “machine learning,” “deep learning,” “arteriovenous fistula,” “arteriovenous graft,” “vascular access,” “hemodialysis,” “stenosis,” and “maturation.” Two main research streams emerged. The first applies machine learning and deep learning to acoustic flow-sound analysis for early stenosis detection, with reported sensitivity and specificity frequently exceeding 0.90 in single-center studies. The second applies machine learning to clinical and duplex ultrasound parameters to predict AVF maturation and long-term patency, with growing interest in multicenter cohorts. Home-based and wearable AI-enabled monitoring systems (AIoT) are emerging as a complementary approach for continuous surveillance. AI-based tools show promising diagnostic performance for vascular access surveillance but remain limited by small sample sizes, lack of external validation, heterogeneous reference standards, and limited model interpretability. Larger prospective multicenter studies are needed before these tools can be integrated into routine clinical pathways.

Zitieren

APA

Gattuso, A., Tadiello, M., Heidempergher, M., Orani, M. A., & Porretta, T. (2026). Artificial intelligence for the monitoring of vascular access in hemodialysis: A narrative review focused on arteriovenous fistulas and grafts. The Journal of Vascular Access. https://doi.org/10.1177/11297298261498449

Vancouver

Gattuso A, Tadiello M, Heidempergher M, Orani MA, Porretta T. Artificial intelligence for the monitoring of vascular access in hemodialysis: A narrative review focused on arteriovenous fistulas and grafts. The Journal of Vascular Access. 2026. doi:10.1177/11297298261498449

BibTeX
@article{Gattuso2026,
  author = {Gattuso, Andrea and Tadiello, Marco and Heidempergher, Marco and Orani, Maria Antonietta and Porretta, Tiziano},
  title = {Artificial intelligence for the monitoring of vascular access in hemodialysis: A narrative review focused on arteriovenous fistulas and grafts},
  journal = {The Journal of Vascular Access},
  year = {2026},
  doi = {10.1177/11297298261498449}
}
Kostenlos starten →