Detección automatizada de oclusión de grandes vasos habilitada por aprendizaje automático que mejora los tiempos de...

Área de la Ciencia:

• Neurología
• Imagenología Médica
• Inteligencia Artificial

Sus antecedentes:

• La optimización de los tiempos de puerta-dentro-puerta-fuera (DIDO) es crucial para los pacientes con ictus isquémico agudo con oclusión de grandes vasos (LVO) que requieren traslado para terapia endovascular (EVT).
• Los centros de ictus primarios (PSC) desempeñan un papel clave en el manejo inicial de estos casos críticos.

Objetivo del estudio:

• Evaluar el impacto de la detección automatizada de LVO a través de inteligencia artificial (IA) en los tiempos DIDO en los PSC.
• Determinar si la implementación de IA aumenta la proporción de pacientes que reciben EVT después del traslado.

Principales métodos:

• Se identificaron pacientes con ictus isquémico agudo con LVO en 7 PSC de Greater Houston mediante un registro prospectivo multicéntrico.
• Se implementó un algoritmo de aprendizaje automático (IA) (Viz.AI) para la detección de LVO en todos los hospitales participantes.
• El tiempo DIDO fue el resultado principal, analizado mediante regresión lineal multivariable.
• La probabilidad de EVT fue un resultado secundario.

Principales resultados:

• Entre 115 pacientes (80 pre-IA, 35 post-IA), la detección automatizada de LVO se asoció con una reducción significativa en el tiempo DIDO (106 minutos).
• Las oclusiones más comunes se encontraron en la arteria cerebral media (51,3%) y la arteria carótida interna (25,2%).
• No se observó ninguna diferencia significativa en la probabilidad de recibir EVT después del traslado (OR, 2,13).

Conclusiones:

• La implementación de IA para la detección automatizada de LVO disminuye significativamente los tiempos DIDO en los PSC.
• Esta tecnología agiliza la evaluación del paciente, mejorando potencialmente los resultados para los pacientes con ictus que requieren traslado para atención avanzada.