Optimalizace diagnostiky akutní ischemické cévní mozkové příhody pomocí umělé inteligence (AI-STROKE)

Trombektomie u akutní ischemické cévní mozkové příhody je vysoce účinná a nákladově efektivní. K dnešnímu dni má přístup k trombektomii příliš málo pacientů. Je naléhavě nutné zlepšit diagnostiku tak, aby všichni způsobilí pacienti s cévní mozkovou příhodou měli okluzi dostatečně rychle detekovanou a byla jim nabídnuta trombektomie, pokud je to indikováno. Nedávno se ukázalo, že zobrazovací techniky založené na strojovém učení poskytují zlepšenou diagnostiku s automatizovanými metodami pro detekci okluze cév a ischemických lézí pomocí umělé inteligence. Provedeme prospektivní intervenční studii u pacientů s akutní ischemickou cévní mozkovou příhodou s cílem zorganizovat a zjednodušit cestu péče prostřednictvím pragmatického přístupu k zobrazování akutních cévních mozkových příhod, který je poháněn nejmodernějšími pokroky ve zpracování obrazu a umělé inteligenci. Použitím vícefázové CT angiografie a softwaru ve dvou primárních iktových centrech bude užitečnost automatického vyhodnocování snímků porovnána se standardní péčí. Všechny snímky budou paralelně vyhodnocovány neuroradiology v komplexním iktovém centru.

Hlavním cílem je zorganizovat a zjednodušit cestu péče k zobrazování akutních cévních mozkových příhod pomocí nejmodernějších pokroků ve zpracování obrazu a umělé inteligenci.

Sekundárními cíli je posoudit: 1) diagnostickou přesnost mCTA při detekci okluze cévy při ischemické cévní mozkové příhodě pomocí analytických nástrojů založených na AI ve srovnání se zlatým standardem MRI, 2) procento vhodných pacientů, kteří dostanou EVT pomocí analýzy založené na AI, srovnání k diagnostice standardní péče 3) doba od začátku do rekanalizace a 4) funkční výsledek u pacientů s akutní ischemickou cévní mozkovou příhodou léčených EVT, kteří měli počáteční radiologickou diagnózu pomocí nástrojů analýzy obrazu na bázi AI ve srovnání s pacienty s cévní mozkovou příhodou diagnostikovanými standardní péčí.

Hypotézy: Nové nástroje analýzy obrazu založené na AI aplikované na již dostupné standardní zobrazovací techniky založené na CT mohou a) zlepšit diagnostiku akutních cévních mozkových příhod ab) zvýšit počet pacientů léčených EVT.

Hlavním cílem projektu je zorganizovat a zjednodušit cestu péče prostřednictvím pragmatického přístupu k zobrazování akutních cévních mozkových příhod poháněných nejmodernějšími pokroky ve zpracování obrazu a umělé inteligenci.

Sekundární cíle:

1. Posoudit, zda použití nástrojů analýzy obrazu založených na AI v radiologické diagnostice v primárních iktových centrech může zkrátit dobu od začátku do rekanalizace u pacientů s akutní ischemickou cévní mozkovou příhodou léčených EVT.
2. Posoudit diagnostickou přesnost mCTA při detekci ischemické cévní mozkové příhody s okluzí střední a velké cévy pomocí analytických nástrojů založených na AI ve srovnání s hodnocením podle zlatého standardu MRI (DWI a MR Angiografie) hodnoceného neuroradiology.
3. Posoudit diagnostickou přesnost mCTA při detekci střední a velké cévní okluzní ischemické cévní mozkové příhody pomocí analytických nástrojů založených na AI ve srovnání s hodnocením standardní péčí.
4. Posoudit, zda použití dostupných analytických nástrojů založených na AI aplikovaných na mCTA může zvýšit počet pacientů s cévní mozkovou příhodou způsobilých a nabízených EVT.
5. Porovnat funkční výsledek a výsledky související s pacientem 3 měsíce po EVT u pacientů s cévní mozkovou příhodou, kteří měli počáteční radiologickou diagnózu pomocí nástrojů analýzy obrazu na bázi AI, s pacienty s cévní mozkovou příhodou diagnostikovanými standardní péčí.

Koncové body:

Primární koncové body:

- Doba od zahájení CT vyšetření pacientů v místní nemocnici do radiologické diagnózy u pacientů s akutní CMP s LVO a MeVO v obdobích s využitím softwaru AI ve srovnání s obdobími se standardní péčí.

Sekundární koncové body:

• Doba od zahájení CT vyšetření pacientů v místní nemocnici do zahájení trombektomie u pacientů identifikovaných s LVO a MeVO v obdobích s použitím softwaru AI ve srovnání s obdobími se standardní péčí.
• Doba od nástupu příznaků do zahájení trombektomie u pacientů identifikovaných s LVO a MeVO v obdobích s použitím softwaru AI ve srovnání s podílem pacientů identifikovaných s LVO a MeVO diagnostikovanými standardní péčí.
• Podíl pacientů identifikovaných s LVO a MeVO v obdobích s použitím softwaru AI ve srovnání s podílem pacientů identifikovaných s LVO a MeVO diagnostikovanými standardní péčí.
• Podíl pacientů identifikovaných s LVO a MeVO v obdobích s použitím softwaru AI ve srovnání s hodnocením neuroradiology.
• Podíl pacientů léčených trombektomií v MeVO v obdobích s použitím softwaru AI ve srovnání s podílem pacientů identifikovaných s LVO a MeVO diagnostikovanými standardní péčí.
• Funkční výsledek 3 měsíce po EVT u pacientů s cévní mozkovou příhodou, kteří měli počáteční radiologickou diagnózu pomocí nástrojů analýzy obrazu na bázi AI, ve srovnání s pacienty s cévní mozkovou příhodou diagnostikovanými standardní péčí.
• Výsledky související s pacientem se měří 3 měsíce po EVT u pacientů s cévní mozkovou příhodou, kteří měli počáteční radiologickou diagnózu pomocí nástrojů analýzy obrazu na bázi AI, ve srovnání s pacienty s cévní mozkovou příhodou diagnostikovanými standardní péčí.

Tato studie je součástí prospektivní observační studie trombektomické služby ve spolupráci mezi iktovými jednotkami a radiologickými odděleními primárních a komplexních iktových center – Oslo Acute Revascularization Stroke Study (OSCAR) (REK 2015/1844, číslo EudraCT 2018-004691- 36). Data byla sbírána již od ledna 2017 u pacientů léčených EVT ve Fakultní nemocnici v Oslu a bylo zahrnuto téměř 1100 pacientů léčených EVT. Databáze obsahuje podrobné informace o logistice, dopravě, klinických, radiologických datech a prospektivně je registrována léčba včetně rehabilitace od výchozího stavu až po 3měsíční sledování.

Studie bude zahájena 12měsíčním obdobím registrace před implementací softwaru AI. Data z tohoto období a ze studie OSCAR budou porovnána s daty shromážděnými po implementaci softwaru AI. Studii zahájíme v nemocnici Drammen a následně ji zavedeme v ostatních nemocnicích ve Vestre Viken Hospital Trust a Østfold Hospital Trust. Data budou registrována po dobu minimálně 18 měsíců po implementaci softwaru AI. Délka inkluzní fáze bude upravena podle míry inkluze.