自動化されたDWI-FLAIR不一致評価
Joseph Benzakoun1,2,3, Lauranne Scheldeman3,4, Anke Wouters3,4
1IMA-BRAIN, INSERM U1266, Institute of Psychiatry and Neuroscience of Paris (IPNP), Université Paris Cité, Paris, France.
European stroke journal
|August 28, 2025
まとめ
ディープラーニングモデルは,DWIデータのみを用いて,急性性性脳卒中患者におけるディフュージョン・ウェイトド・イマージング・フリュイド・アテンウエート・インバーション・リカバリーの不一致を正確に予測します. このツールは,脳卒中の発症が不明である場合,血栓分析の候補者を特定するのに役立ちます.
科学分野:
- 放射線科
- 人工知能
- 神経科学
背景:
- ディフュージョン・ウェイトド・イメージング (DWI) とフリュイド・アテニュアート・インバーション・リカバリー (FLAIR) の不一致は,特に脳卒中の発症が不明である場合に,急性性性血栓性脳卒中 (AIS) の患者を特定するために重要である.
- DWIとFLAIRの不一致の視覚的評価は,観察者の不適切な合意による制限があり,AISの約15%の治療決定に影響します.
研究 の 目的:
- ディープラーニング (DL) モデルを開発し,DWIデータのみを使用してDWI-FLAIR不一致を予測する.
- AIS患者におけるDWI- FLAIR不一致の識別の正確性と一貫性を向上させる.
主な方法:
- ETISレジストリ (派生) とWAKE- UP試験 (検証) のAIS患者データを利用した遡及研究.
- DLモデルは,DWI入力のみを使用してFLAIR可視領域 (FVA) を予測するために訓練され,FVAインデックスを定義しました.
- モデルの性能は,DWI-FLAIR不一致を予測するためのROC曲線下の面積 (AUC) と最適なFVA指数カットオフを使用して評価されました.
主要な成果:
- DLモデルは,導出 (AUC=0. 85) と検証コホート (AUC=0. 86) の両方で強い予測値を示した.
- 最適なFVA指数0. 5は,検証コホートで70%の感度と88%の特異性を達成した.
- このモデルは0.54のカッパで示された視覚評価と良好な一致を示した.
結論:
- 開発されたDLモデルは,未知の脳卒中のAIS患者のDWI- FLAIR不一致を正確に予測します.
- このAIツールは,臨床医に視覚的な評価を困難にしたり,FLAIR配列が利用できない場合,血栓解剖の決定を最適化することができます.
