对于分类缺血性中风发病时间的最佳诊断方法:系统性审查和元分析

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:

• 用组织等离子体激活剂 (IV-tPA) 进行静脉血栓溶解是一种时间敏感的中风治疗方法.
• 精确确定中风发作以来的时间 (TSS) 对于最大限度地提高疗效和最大限度地降低出血风险至关重要.
• 目前用于TSS确定的方法存在重大临床挑战.

研究的目的:

• 系统地评估和比较用于分类TSS的不同诊断方法的性能.
• 确定确定TSS的最有效方法,以指导IV-tPA治疗决策.

主要方法:

• 在主要数据库 (Web of Science,Pubmed,Scopus,Embase,Cochrane) 进行了系统的文献搜索,直到2025年7月.
• 每种诊断方法都计算了包括AUC,灵敏度和特异性在内的性能指标,CI为95%.
• 分析了涉及9030名中风患者的研究,以评估分类性能.

主要成果:

• 人类对DWI-FLAIR不匹配的读数,目前的黄金标准,显示出中等的表现 (AUC=0.71).
• 使用CT放射性特征的机器学习 (ML) 模型表现出卓越的性能 (AUC=0.89).
• 与DWI-FLAIR不匹配相比,ML模型在TSS的分类中获得了更高的灵敏度 (0.85) 和特异性 (0.86).

结论:

• 通过CT数据的放射性特征养的ML模型,与人类对DWI-FLAIR不匹配的解释相比,提供了优越的TSS分类.
• 使用CT放射性数据的AI模型代表了确定TSS的最有效方法.
• 优化的人工智能模型可以改善患者对IV-tPA的资格评估,并提高治疗结果.