使用两个AI中风CT输液软件包进行多中心比较,以确定血栓切除术的资格

科学领域:

• 神经学 神经学
• 医疗成像医学成像
• 人工智能在医学中的应用

背景情况:

• 对中风的AI平台有助于通过评估心脏病核心和半阴影来识别机械血栓切除术候选人.
• 有限的多中心研究存在,比较这些AI平台,特别是关于扫描仪和协议变体.
• 这项研究将Viz.ai和RAPID.AI CTP软件输出与大型多中心队列进行比较.

研究的目的:

• 为了比较Viz.ai和RAPID.AI CTP软件之间的体积估计和机械血栓切除的资格.
• 分析NIHSS分数,扫描器模型和机构协议对软件性能的影响.
• 在不同CTP平台和环境中识别中风评估和治疗资格的潜在差异.

主要方法:

• 分析四个机构中患有大血管封闭 (LVO) 的急性中风患者的CT输液 (CTP) 数据.
• 使用Viz.ai和RAPID.AI软件估计核心和半阴影体积.
• 评估DEFUSE-3血栓切除术的资格,并对结果进行NIHSS分数,扫描仪类型和机构分层的比较.

主要成果:

• 观察到Viz.ai和RAPID.AI之间核心和半阴影体积估计的统计学上显著差异 (p<0.001).
• 小组分析显示,扫描器模型 (Canon Aquilion One) 和NIHSS得分影响了体积差异,Viz.ai通常报告较大的体积.
• 尽管有体积差异,但初级分析和NIHSS亚组分析没有发现DEFUSE-3血栓切除的资格有显著差异.

结论:

• 在Viz.ai和RAPID.AI之间存在系统的体积估计差异,但在初级和NIHSS子组分析中,DEFUSE-3的资格仍然可比.
• 扫描仪模型和本地CTP协议可以引入性能变化并影响血栓切除的资格,正如Canon Aquilion One在一个中心所指出的那样.
• 建议医疗保健中心,软件供应商和扫描仪制造商之间进行合作,以优化CTP协议并提高准确性.