评估基于深度学习的商业软件,用于在中风患者中检测DWI上的缺血病变

科学领域:

• 神经学 神经学
• 医疗成像医学成像
• 人工智能的人工智能

背景情况:

• 深度学习的进步使自动化缺血病变检测软件成为可能.
• 人工智能用于扩散加权成像 (DWI) 的现实世界性能需要进一步探索.
• 评估了用于检测缺血病变的CE标记AI软件 (1.0版本).

研究的目的:

• 评估商业人工智能软件的诊断性能,用于检测DWI的缺血病变.
• 评估AI软件在损伤特征方面的敏感性.
• 确定AI软件的病变和患者级别的灵敏度.

主要方法:

• 对235名经证实患有缺血性中风的患者进行了回顾性分析,这些患者接受了DWI.
• 将AI软件性能与专家神经病学家的解释进行比较 (参考标准).
• 病变特征分析:大小,ADC值,切片覆盖面和位置.

主要成果:

• 人工智能软件实现了83.51%的病变级别和95.31%的患者级别灵敏度.
• 没有检测到的病变较小,覆盖的切片较少,并且具有较高的ADC值.
• 检测率没有受到解剖位置,血管区域或症状发病时间的显著影响.

结论:

• 人工智能软件在缺血性中风检测方面表现出强大的整体患者级敏感性.
• 在检测较小,不那么明显的缺血病变时存在局限性.
• 优化深度学习算法和临床医生对人工智能局限性的认识对于急性中风护理至关重要.