在非对比脑计算机断层扫描中对近端中脑动脉阻塞的自动预测
Pyeong Eun Kim1, Hyojung Yang1,2, Dongmin Kim1
1Artificial Intelligence Research Center, JLK Inc, Seoul, Republic of Korea (P.E.K., H.Y., D.K., W.-S.R.).
Stroke
|May 24, 2024
概括
这项研究引入了一种机器学习算法 (JLK-CTL),可以使用非对比计算断层扫描来准确预测缺血性中风患者的大血管封闭 (LVO),从而有可能加快治疗速度. 该算法在外部验证中表现出强的表现,随着NIH中风量表得分的增加,该算法得到了改善.
科学领域:
- 神经学 神经学
- 放射学 放射学是一门学科.
- 人工智能在医学中的应用
背景情况:
- 在缺血性中风中,大血管封闭 (LVO) 需要快速干预.
- 非对比计算断层扫描 (NCCT) 是一种易于使用的成像方式.
- 及时识别LVO对于有效治疗中风至关重要.
研究的目的:
- 开发和验证一个机器学习算法 (JLK-CTL) 用于使用NCCT预测LVO.
- 评估算法在不同患者队伍中的表现.
- 评估纳入临床数据 (NIH中风量表) 对预测准确性的影响.
主要方法:
- 一个机器学习算法 (JLK-CTL) 是使用来自NCCT扫描的手工特征开发的.
- 功能包括大脑半球之间的体积和密度差异.
- 训练和验证了多个机器学习模型,包括ExtraTrees和深度学习,有或没有NIH中风量级分数.
主要成果:
- 在外部验证中,ExtraTrees模型实现了0.888的AUC.
- 对于LVO预测,灵敏度为80.1%,特异性为88.6%.
- 纳入NIH中风量表得分提高了灵敏度至92.1%,同时保持了高特异性.
结论:
- 该JLK-CTL算法可靠地从NCCT扫描中预测LVO.
- 使用该算法早期检测LVO可以加快中风治疗工作流程.
- 该算法显示了在缺血性中风管理中改善患者结果的潜力.
