自动化算法的性能在大型和中型船只阻塞检测:现实世界的经验
Aakanksha Sriwastwa1, Yasmin N Aziz2, Kara Weiss3
1From the Department of Radiology (A.S., L.L.-L.W., A.S.V.), University of Cincinnati Medical Center, Cincinnati, Ohio sriwasaa@ucmail.uc.edu.
AJNR. American journal of neuroradiology
|September 26, 2024
概括
一个人工智能算法在中风患者中准确地检测到前部大血管封闭 (LVO),但在后部LVO和中血管封闭 (MeVO) 中表现较差. 意识到这些局限性是及时进行中风诊断和分拣的关键.
科学领域:
- 神经科学是一个神经科学.
- 医学成像分析 医学成像分析
- 人工智能在医学中的应用
背景情况:
- 快速检测大 (LVO) 和中等血管封闭 (MeVO) 对于急性缺血性中风管理至关重要.
- 商业AI软件可用于自动LVO检测,但其在不同类型的阻塞和扩展机械血栓切除指示的性能需要进一步了解.
研究的目的:
- 评估商用,完全自动化的AI算法 (Viz.ai) 的性能,用于检测代码中风患者的LVO和MeVO.
- 评估算法在识别前部LVO (aLVO),后部LVO (pLVO) 和MeVO方面的准确性.
主要方法:
- 连续代码中风患者 (2020年3月至2023年2月) 的回顾性分析,CTA由Viz.ai.处理.
- 将AI检测与12名经过董事会认证的放射科医生的放射学报告的参考标准进行比较,遵守STARD指南.
- 主要结果:aLVO的准确性;次要结果:所有LVO的准确性,M2-MCA封闭的aLVO和所有MeVO的aLVO.
主要成果:
- 在3576名技术上足够的患者中,616名 (17.2%) 患有血管封闭.
- 人工智能算法实现了对前部LVO (aLVO) 的高灵敏度和特异性:分别为91%和93%.
- 所有LVO (73%的灵敏度),M2-MCA封闭的aLVO (74%的灵敏度) 和所有MeVO的aLVO (65%的灵敏度) 的性能较低,而在这些类别中,特异性仍然很高 (≥92%).
结论:
- 自动化的AI算法在前部LVO检测方面表现出高准确度,但在识别后部LVO和MeVO方面存在局限性.
- 医疗团队必须认识到人工智能发现与实际LVO/MeVO率之间的差异,以实现最佳的患者选和及时干预.
