仅使用DWI的自动化DWI-FLAIR不匹配评估
Joseph Benzakoun1,2,3, Lauranne Scheldeman3,4, Anke Wouters3,4
1IMA-BRAIN, INSERM U1266, Institute of Psychiatry and Neuroscience of Paris (IPNP), Université Paris Cité, Paris, France.
European stroke journal
|August 28, 2025
概括
一个深度学习模型准确地预测了仅使用DWI数据的急性缺血性中风患者的扩散权重成像-减弱流体反转-恢复不匹配. 这种工具有助于识别未知中风发病的血栓分析候选者.
科学领域:
- 放射学
- 人工智能
- 神经学
背景情况:
- 扩散权重成像 (DWI) 和流体减弱反转恢复 (FLAIR) 的不匹配对于识别急性缺血性中风 (AIS) 患者有资格进行血栓分析至关重要,特别是当中风发作未知时.
- 对DWI-FLAIR不匹配的视觉评估存在局限性,因为观察者之间没有最佳的共识,这影响了约15%的AIS病例的治疗决定.
研究的目的:
- 开发和验证一个深度学习 (DL) 模型,能够仅使用DWI数据预测DWI-FLAIR不匹配.
- 在AIS患者中提高DWI- FLAIR不匹配的准确性和一致性.
主要方法:
- 使用ETIS注册表 (衍生) 和WAKE- UP试验 (验证) 的AIS患者数据进行的回顾性研究.
- 一个DL模型被训练来预测FLAIR可见区域 (FVA) 仅使用DWI输入,定义FVA指数.
- 使用ROC曲线下的面积 (AUC) 和最佳FVA指数截止值来预测DWI-FLAIR不匹配的模型性能.
主要成果:
- 在导出 (AUC=0. 85) 和验证队列 (AUC=0. 86) 中,DL模型显示出强大的预测值.
- 在验证队列中,FVA指数的最佳切线值为0. 5,达到70%的灵敏度和88%的特异性.
- 该模型与视觉评级有很好的一致性,该评级的卡帕值为0.54.
结论:
- 开发的DL模型准确地预测了未知中风发病的AIS患者的DWI- FLAIR不匹配.
- 这种人工智能工具可以帮助临床医生进行具有挑战性的视觉评估,或者当FLAIR序列无法使用时,有可能优化血栓分析决策.
