目的 冠状动脉钙化(coronary artery calcification, CAC)是终末期肾病(end stage renal disease, ESRD)人群的常见疾病。通过采集血液透析人群的脉搏波波形，提取脉搏波相关参数，建立基于脉搏波的血液透析人群CAC的评估模型。方法 本研究的脉搏波来源于首都医科大学附属北京积水潭医院血液净化中心的血液透析人群。以胸部低剂量断层扫描作为评估受试人群CAC的影像学标准。具体根据Agaston评分规则，将受试人群按照CAC评分的不同评级划分为4类，分别为：0分、1～100分、101～400分和>400分，分别对应无钙化、轻度钙化、中度钙化和重度钙化。同时，通过无创的方法采集受试者非瘘侧桡动脉脉搏波，采集时间为：透析前、透析后1 h、2 h、3 h和透析结束后0.5 h。提取不同时段脉搏波的特征参数，并利用单因素二元Logistic回归分析筛选出风险特征参数，建立基于随机森林(random forest, RF)的接受血液透析的终末期肾病人群CAC评估模型。结果 RF的机器学习模型具有较佳的表现效果(宏准确率为0.88,宏精确率为0.76,宏召回率为0.76,宏F1分数为0.75,宏AUC为0.95)。结论 本研究通过机器学习的方法，完成了基于脉搏波的血液透析人群CAC的评估模型的建立与验证。运用该模型对接受血液透析的ESRD人群CAC进行评估具有一定的可行性，对临床治疗方案的选择和调整有着重要的意义。