用人工智能方法和多重MRI特征进行回流治疗的急性缺血性中风患者的自动分类:一篇综述

科学领域:

• 神经学 神经学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 急性缺血性中风 (AIS) 治疗选择依赖于及时干预,通常在4.5小时内.
• 自中风 (TSS) 后的时间不明的患者通常被排除在血栓溶解之外,即使发病时间超过6小时.
• 多模式磁共振成像 (MRI) 用于评估治疗决策的不匹配.

研究的目的:

• 探索人工智能驱动的方法来识别可能受益于再注射疗法的AIS患者.
• 评估AI在TSS分类和患者选择晚期窗口治疗 (>6小时) 中的作用.

主要方法:

• 审查使用多个MRI功能的自动AI方法.
• 在AIS中分析用于TSS分类和患者选择的AI算法.
• 人工智能方法与传统不匹配方法的比较.

主要成果:

• 现有的不匹配方法存在挑战和局限性,可能导致错过的反机会.
• 人工智能方法在识别符合条件的患者方面表现出更高的准确性,敏感性和特异性.
• 人工智能方法显示出有前途的结果,优于对再流疗法选择的传统评估.

结论:

• 人工智能与多模式MRI的整合可以提高AIS治疗的准确性和患者的治疗结果.
• 人工智能有可能积极影响中风管理的临床决策.
• 持续的研究和合作对于优化AI在AIS治疗中的作用至关重要.