基于人工智能的决策支持软件,以提高NHS中急性中风途径的有效性:一项观察性研究

科学领域:

• 神经学 神经学
• 医疗成像医学成像
• 医疗信息学 医疗信息学

背景情况:

• 在急性中风中,早期识别大血管封闭 (LVO) 对内血管血栓切除 (EVT) 至关重要.
• 滴送模型需要从急性中风中心 (ASC) 快速转诊到综合性中风中心 (CSC).
• 人工智能 (AI) 决策支持工具正在出现,以加快LVO检测.

研究的目的:

• 评估实施e-Stroke AI决策支持软件的影响.
• 评估超急性中风途径中的过程指标和患者结果的变化.
• 为了确定AI在英国ASC环境中的有效性.

主要方法:

• 追溯队列研究,比较AI实施前和后的实施时期 (2019年1月 - 2021年3月).
• 时间窗口的分析,包括门入门出门 (DIDO) 和门到推时间.
• 修改的兰金得分 (mRS) 用于评估患者在3个月后的残疾.

主要成果:

• 显著减少AI实施后的平均DIDO时间 (141到79分钟,p<0.001) 和门到推时间 (71到44分钟,p=0.01).
• 3个月后达到mRS 0-2的患者比例增加 (16%对48%,p=0.04).
• 表明功能结果有所改善,但由于样本大小,需要谨慎解释.

结论:

• e-Stroke AI显著减少了 DIDO 时间,表明更快的图像解释和 EVT 转介.
• 人工智能工具显示了改善患者在EVT后的功能独立性的潜力.
• 需要进行更大规模的前性研究来证实可通用性和广泛的有效性.