Mākslīga intelekta DT prefūzijas rezultātu precizitāte pacientiem ar akūtu smadzeņu išēmiju

Abstract

Pētījuma aktualitāte Akūta išēmiska insulta diagnostikā ir aktuāla ātra diagnostika un standartizēta rezultātu interpretācija, kas sekmē mākslīgā intelekta risinājumu ienākšanu radioloģijā. Pētījumam mērķis Pētījuma mērķis bija izvērtēt mākslīgā intelekta algoritma precizitāti un pielietojamību akūta išēmiska insulta pacientiem datortomogrāfijas perfūzijas diagnostikā galvas smadzenēm. Materiāli un metodes No 210 pacientiem, kas iestājās stacionārā uzņemšanas nodaļā ar akūta išēmiska insulta simptomiem, visiem veica multimodālu datortomogrāfijas (DT) izmeklēšanas protokolu, kas ietvēra DT galvai natīvi, DT angiogrāfiju kakla un galvas asinsvadiem un DT perfūzijas sēriju pēc intravenozas kontrastvielas ievades. DT perfūzijas pēcapstrādi veica 108 pacientiem gan pieredzējis ārsts radiologs ar specializētu programmu un manuālu mērījumu veikšanu, gan mākslīgā intelekta algoritma VizAI programma. Radiologa veikto pēcapstrādes rezultātu salīdzināja ar mākslīgā intelekta (MI) iegūto rezultātu, lai izvērtētu MI algoritma precizitāti un tā klīnisko pielietojamību. Iznākuma novērtēšanai tika izmantoti klīniskie dati un/vai kontroles DT vai MR izmeklējumu rezultāti galvas smadzenēm pēc 24h. DT angiogrāfijas izmeklējumos vērtēja asinsvada bojājuma lokalizāciju un veidu, savukārt DT perfūzijā vērtēja neatgriezeniska (core) un atgrizeniska (penumbra) bojājumu apjomu. Rezultāti Pētījumā konstatējām, ka 73 pacientiem manuālo aprēķinu un mākslīgā intelekta atradnes sakrita, savukārt 35 pacientiem – nesakrita. Lai noteiktu pētījuma precizitātes parametrus salīdzināja penumbra un core tipa perfūzijas defektu robežas un kvantitatīvos datus (smadzeņu asinsplūsmu, smadzeņu asinsapgādes tilpumu un vidējo tranzīta laiku). Mākslīgā intelekta algoritma jutība akūtu smadzeņu išēmijas diagnostikā ir 59%; specifiskums – 69%; pozitīvā paredzamā vērtība 57% un negatīvā paredzamā vērtība – 67%, salīdzinājumā ar pieredzējuša radiologa vērtējumu. Secinājumi Ņemot vērā pašreiz pielietojamā MI algoritma kopējo reatīvi zemo jutību un specifiskumu, jāsecina, ka algoritma rezultativitāte ir vērtējama kā klīniskai praksei noderīga kā papildus rīks, lai ātrāk atlasītu pacientus, kuriem nav išēmisks insults, bet nav ieteicama kā pamatmetode galvas smadzeņu akūtu išēmisku bojājumu raksturošanā un lēmumu pieņemšanā par pacientu ārstēšanu.

Relevance of the study Rapid diagnosis and standardized interpretation of results are relevant in the diagnosis of acute ischemic stroke, which contributes to the introduction of AI solutions in radiology. The aim of the study The aim of the study was to evaluate the accuracy and applicability of the artificial intelligence algorithm in acute ischemic stroke patients in CTP diagnostics of the brain. Materials and methods Of 210 patients admitted to an inpatient admission unit with symptoms of acute ischemic stroke, all underwent a multimodal computed tomography (CT) examination protocol that included native CT, CT angiography and a CT perfusion series. CT perfusion post-processing was performed for 108 patients both by an experienced radiologist with a specialized program and manual measurement, and by the AI algorithm VizAI program. The radiologist's post-processing result was compared with the artificial intelligence (AI) result to evaluate the accuracy of the MI algorithm and its clinical applicability. Clinical data and/or the results of control DT or MR examinations of the brain after 24h were used to evaluate the outcome. In CT angiography examinations, the location and type of vessel damage was evaluated, while in CT perfusion, the extent, localization and ratio of irreversible (core) and reversible (penumbra) damage was evaluated. Results In the study, we found that in 73 patients the findings of manual calculations and artificial intelligence coincided, while in 35 patients they did not. To determine the accuracy parameters of the study, the boundaries of penumbra and core type perfusion defects and quantitative data (cerebral blood flow, cerebral blood supply volume and average transit time) were compared. The sensitivity of the artificial intelligence algorithm in the diagnosis of acute cerebral ischemia is 59%; specificity – 69%; a positive predictive value of 57% and a negative predictive value of 67% compared to the assessment of an experienced radiologist. Conclusions Taking into account the overall relatively low sensitivity and specificity of the currently applied AI algorithm, it should be concluded that the effectiveness of the algorithm can be evaluated as useful for clinical practice as an additional tool to more quickly select patients who do not have an ischemic stroke, but is not recommended as a basic method for characterizing acute ischemic lesions of the brain and in making decisions about patient treatment.