Video Experimental Relacionado
Updated: Jul 5, 2026

A Magnetic Resonance Imaging Protocol for Stroke Onset Time Estimation in Permanent Cerebral Ischemia
Published on: September 16, 2017
Predicción de ictus mayor (NIHSS > 5) basada en imágenes de perfusión por RM utilizando una ResNet 3D
Christoph C Kurmann1,2, Adnan Mujanovic3, Morin Beyeler4
1Department of Diagnostic and Interventional Neuroradiology, University Hospital of Bern, Bern, Switzerland. christoph.kurmann@insel.ch.
Un modelo de aprendizaje profundo predijo con precisión el ictus mayor (NIHSS > 5) utilizando mapas Tmax de perfusión por RM. Esta herramienta ayuda a la toma de decisiones clínicas en escenarios de ictus isquémico agudo.
Área de la Ciencia:
- Neurología
- Radiología
- Inteligencia Artificial en Medicina
Sus antecedentes:
- La toma de decisiones clínicas en el manejo del ictus isquémico, particularmente después de intervenciones como la trombectomía mecánica o en casos perioperatorios, se beneficia de una predicción precisa de los síntomas.
- La evaluación de la gravedad del ictus, definida por una puntuación de la Escala Nacional de Puntuación de Ictus (NIHSS) superior a 5, es crucial para los resultados del paciente.
Objetivo del estudio:
- Desarrollar y validar un modelo de aprendizaje profundo capaz de predecir el ictus mayor (NIHSS > 5) basándose en imágenes de perfusión por RM.
- Evaluar el rendimiento del modelo en la identificación de pacientes con déficits significativos de ictus.
Principales métodos:
- Se realizó un análisis retrospectivo de 982 pacientes de un registro de ictus recopilado prospectivamente (2015-2021).
- Se entrenó un modelo 3D-ResNet de 18 capas utilizando mapas Tmax de perfusión por RM de múltiples escáneres para predecir NIHSS > 5.
- Las predicciones del modelo se evaluaron frente a las puntuaciones NIHSS reportadas y su asociación con un mRS modificado > 2 a los 90 días utilizando región logística.
Principales resultados:
- El modelo logró un área bajo la curva ROC (ROC-AUC) de 0.87 y un AUC de Precisión-Recuperación (PR-AUC) de 0.85 en el conjunto de prueba interno.
- La precisión fue del 78% con una puntuación F1 ponderada de 0.78 para predecir el ictus mayor.
- Tanto el NIHSS > 5 reportado como el predicho se asociaron con la predicción de un mRS > 2 a los 90 días, lo que indica relevancia clínica.
Conclusiones:
- El modelo de aprendizaje profundo desarrollado demuestra viabilidad y un fuerte rendimiento en la predicción de ictus mayor (NIHSS > 5) a partir de mapas Tmax de perfusión por RM.
- Este enfoque impulsado por IA muestra una gran promesa para mejorar el soporte de decisiones clínicas en la atención del ictus agudo.
Videos de Conceptos Relacionados
Assessment of Diffusion and Perfusion
The Role of Diffusion in Respiration
Diffusion is the process by which molecules move from an area of higher concentration to an area of lower concentration. In the respiratory system, this principle...
Radiological Investigation II: MRI and Ventilation Perfusion Scan
Magnetic Resonance Imaging (MRI) and Ventilation Perfusion Scans are two radiological investigations that offer detailed diagnostic images of the body, particularly lung structures.
MRI
MRI uses magnetic fields and radiofrequency signals to distinguish between normal and abnormal tissues. This technology provides a more detailed diagnostic image than CT scans, enabling it to characterize pulmonary nodules, stage bronchogenic carcinoma, and evaluate inflammatory activity in...
Imaging Studies for Cardiovascular System IV: CMRI

