人工智能用于自动DWI/FLAIR对磁共振成像中风的不匹配评估:系统性审查
Cecilie Mørck Offersen1,2, Jens Sørensen1, Kaining Sheng1,2
1Department of Radiology, Copenhagen University Hospital Rigshospitalet, 2100 Copenhagen, Denmark.
Diagnostics (Basel, Switzerland)
|June 28, 2023
概括
人工智能 (AI) 用于磁共振扩散加权成像 (DWI) /流体减弱倒置恢复 (FLAIR) 不匹配评估的方法显示,在4.5小时内,中风发作的性能与人类专家相当或超过人类专家. 这些人工智能工具可能会提高未知发病时间的中风患者的治疗资格.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 人工智能的人工智能
背景情况:
- 脑卒中诊断依赖于对成像生物标志物的及时评估.
- 磁共振扩散加权成像 (DWI) 和流体减弱倒置恢复 (FLAIR) 序列对于检测早期缺血变化至关重要.
- DWI/FLAIR不匹配是重灌治疗资格的关键指标,特别是在唤醒中风或未知的发病时间.
研究的目的:
- 系统地审查现有的人工智能 (AI) 方法用于DWI/FLAIR不匹配评估.
- 将人工智能算法的诊断性能与人类领域专家进行比较.
- 评估AI在改善中风患者治疗决策方面的潜力.
主要方法:
- 从2017年1月到2022年11月,在多个数据库 (PubMed,Embase,Scopus,Web of Science,Cochrane,IEEE Xplore) 进行系统的文献搜索.
- 遵守系统审查和元分析 (PRISMA) 准则的首选报告项目.
- 使用诊断准确性研究质量评估2 (QUADAS-2) 工具对包括的研究进行质量评估.
主要成果:
- 五项研究符合纳入标准,评估了各种AI算法用于DWI/FLAIR不匹配.
- 人工智能方法显示出强大的诊断性能,曲线下的面积 (AUC) 从0.74到0.90.
- 人工智能算法在 ±4.5 小时内对中风发作进行分类,性能与领域专家相当或更好,灵敏度为 (0.70-0.85) 和特异性为 (0.74-0.84).
结论:
- 人工智能驱动的DWI/FLAIR不匹配评估显示出显著的希望,与早期中风检测的专家性能相匹配或超越.
- 目前的AI方法不建议精确确定自中风发作以来的时间 (TSS) 超过4.5小时,仅基于FLAIR损伤可见性.
- 开发专注于治疗合格性和结果预测的AI算法,并结合患者特定数据,可以将血栓溶解治疗扩展到更多具有未知发病时间的中风患者.
