Akuutin iskeemisen aivohalvauksen diagnostiikan optimointi tekoälyn avulla (AI-STROKE)

Trombektomia akuutissa iskeemisessä aivohalvauksessa on erittäin tehokasta ja kustannustehokasta. Tällä hetkellä liian harvoilla potilailla on pääsy trombektomiaan. Diagnostiikkaa on kiireesti parannettava, jotta kaikilla kelvollisilla aivohalvauspotilailla tukkeuma havaitaan riittävän nopeasti ja heille tarjotaan tarvittaessa trombektomiaa. Koneoppimiseen perustuvien kuvantamistekniikoiden on äskettäin osoitettu tarjoavan parannettua diagnostiikkaa automaattisilla menetelmillä verisuonten tukkeutumisen ja iskeemisten leesioiden havaitsemiseksi tekoälyn avulla. Suoritamme prospektiivisen interventiotutkimuksen akuuteilla iskeemisillä aivohalvauspotilailla tavoitteenaan organisoida ja yksinkertaistaa hoitoreittiä pragmaattisen lähestymistavan avulla akuutin aivohalvauksen kuvantamiseen kuvankäsittelyn ja tekoälyn edistyksellisen kehityksen avulla. Käyttämällä monivaiheista CT-angiografiaa ja ohjelmistoa kahdessa ensisijaisessa aivohalvauskeskuksessa kuvien automaattisen arvioinnin hyödyllisyyttä verrataan tavalliseen hoitoon. Neuroradiologit arvioivat samanaikaisesti kaikki kuvat kattavassa aivohalvauskeskuksessa.

Päätavoitteena on organisoida ja yksinkertaistaa hoitoreittiä akuutin aivohalvauksen kuvantamiseen kuvankäsittelyn ja tekoälyn edistyksellisen kehityksen avulla.

Toissijaisina tavoitteina on arvioida: 1) mCTA:n diagnostinen tarkkuus verisuonen tukkeuman havaitsemisessa iskeemisessä aivohalvauksessa tekoälypohjaisten analyysityökalujen avulla verrattuna MRI:n kultastandardiin, 2) kelpoisten potilaiden prosenttiosuus, jotka saavat EVT:n tekoälyyn perustuvan analyysin avulla. tavanomaiseen hoitodiagnostiikkaan 3) aika puhkeamisesta uudelleenkanavaamiseen ja 4) toiminnallinen lopputulos EVT:llä hoidetuilla akuutilla iskeemisellä aivohalvauspotilailla, joiden alkuperäinen radiologinen diagnoosi tehtiin tekoälypohjaisilla kuvaanalyysityökaluilla verrattuna tavanomaisella hoidolla diagnosoituihin aivohalvauspotilaisiin.

Hypoteesit: Uudet tekoälypohjaiset kuva-analyysityökalut, joita sovelletaan jo saatavilla oleviin standardiin TT-pohjaisiin kuvantamistekniikoihin, voivat a) parantaa akuutin aivohalvauksen diagnostiikkaa ja b) lisätä EVT:llä hoidettujen potilaiden määrää.

Hankkeen päätavoitteena on organisoida ja yksinkertaistaa hoitopolkua pragmaattisen lähestymistavan avulla akuutin aivohalvauksen kuvantamiseen, joka perustuu kuvankäsittelyn ja tekoälyn edistykselliseen kehitykseen.

Toissijaiset tavoitteet:

1. Arvioida, voiko tekoälyyn perustuvien kuva-analyysityökalujen käyttö radiologisessa diagnostiikassa ensisijaisissa aivohalvauskeskuksissa lyhentää aikaa puhkeamisesta rekanalisaatioon EVT:llä hoidetuilla akuuteilla iskeemisillä aivohalvauspotilailla.
2. Arvioida mCTA:n diagnostista tarkkuutta keskisuurten ja suurten verisuonten tukkeuman iskeemisen aivohalvauksen havaitsemisessa käyttämällä tekoälypohjaisia ​​analyysityökaluja verrattuna neuroradiologien arvioimaan MRI-kultastandardiin (DWI ja MR Angiography).
3. Arvioida mCTA:n diagnostista tarkkuutta keskisuurten ja suurten verisuonten tukkeuman iskeemisen aivohalvauksen havaitsemisessa käyttämällä tekoälypohjaisia ​​analyysityökaluja verrattuna tavanomaisella hoidolla suoritettuun arviointiin.
4. Arvioida, voiko mCTA:ssa sovellettavien käytettävissä olevien tekoälypohjaisten analyysityökalujen käyttö lisätä EVT-hoitoon kelpaavien ja tarjottujen aivohalvauspotilaiden määrää.
5. Vertaamaan toiminnallisia tuloksia ja potilaaseen liittyviä tulosmittauksia 3 kuukautta EVT:n jälkeen aivohalvauspotilailla, joilla oli alkuperäinen radiologinen diagnoosi käyttämällä tekoälypohjaisia ​​kuva-analyysityökaluja aivohalvauspotilaisiin, jotka on diagnosoitu tavanomaisella hoidolla.

Päätepisteet:

Ensisijaiset päätepisteet:

- Aika paikallisen sairaalan potilaiden TT-skannauksen aloittamisesta radiologiseen diagnoosiin LVO- ja MeVO-potilaiden akuutissa aivohalvauksessa tekoälyohjelmistoa käytettäessä verrattuna tavanomaiseen hoitoon.

Toissijaiset päätepisteet:

• Aika paikallisen sairaalan potilaiden TT-skannauksen alusta trombektomian alkamiseen potilailla, joilla on LVO ja MeVO jaksoissa, joissa käytettiin tekoälyohjelmistoa verrattuna tavanomaiseen hoitoon.
• Aika oireiden alkamisesta trombektomian alkuun potilailla, joilla on LVO ja MeVO jaksoissa, joissa on käytetty tekoälyohjelmistoa, verrattuna niiden potilaiden osuuteen, joilla on LVO ja MeVO, jotka on diagnosoitu tavanomaisella hoidolla.
• LVO- ja MeVO-potilaiden osuus AI-ohjelmiston käyttöjaksoista verrattuna niiden potilaiden osuuteen, joilla on LVO- ja MeVO-diagnoosi tavanomaisessa hoidossa.
• LVO- ja MeVO-potilaiden osuus AI-ohjelmiston käyttöjaksoista verrattuna neuroradiologien arvioon.
• Trombektomiaa sairastavien potilaiden osuus MeVO:ssa AI-ohjelmistoa käyttäneiden ajanjaksojen aikana verrattuna niiden potilaiden osuuteen, joille on tunnistettu LVO ja MeVO, jotka on diagnosoitu tavanomaisessa hoidossa.
• Toiminnallinen tulos 3 kuukautta EVT:n jälkeen aivohalvauspotilailla, joiden alkuperäinen radiologinen diagnoosi tehtiin tekoälypohjaisilla kuva-analyysityökaluilla verrattuna tavanomaisella hoidolla diagnosoituihin aivohalvauspotilaisiin.
• Potilaaseen liittyviä tuloksia mitataan 3 kuukautta EVT:n jälkeen aivohalvauspotilailla, joiden alkuperäinen radiologinen diagnoosi tehtiin tekoälypohjaisilla kuva-analyysityökaluilla verrattuna aivohalvauspotilaisiin, jotka on diagnosoitu tavanomaisella hoidolla.

Tämä tutkimus on osa prospektiivista havainnointitutkimusta trombektomiapalvelusta, jossa tehdään yhteistyötä aivohalvausyksiköiden ja radiologisten osastojen välillä primaarisissa ja kokonaisvaltaisissa aivohalvauskeskuksissa - Oslo Acute Revaskularisation Stroke Study (OSCAR) (REK 2015/1844, EudraCT numero 2018-004691-). 36). Tietoa on kerätty jo tammikuusta 2017 lähtien Oslon yliopistollisessa sairaalassa EVT:llä hoidetuista potilaista, ja mukaan on otettu lähes 1100 EVT-potilasta. Tietokanta sisältää yksityiskohtaista tietoa logistiikasta, kuljetuksista, kliinisistä ja radiologisista tiedoista, ja hoito, mukaan lukien kuntoutus lähtötilanteesta 3 kuukauden seurantaan, rekisteröidään tulevaisuuteen.

Tutkimus alkaa 12 kuukauden jaksolla rekisteröinnillä ennen tekoälyohjelmiston käyttöönottoa. Tämän ajanjakson ja OSCAR-tutkimuksen tietoja verrataan tekoälyohjelmiston käyttöönoton jälkeen kerättyihin tietoihin. Aloitamme tutkimuksen Drammen Hospitalissa ja toteutamme sen peräkkäin muissa Vestre Viken Hospital Trustin ja Østfold Hospital Trustin sairaaloissa. Tietoja rekisteröidään vähintään 18 kuukauden ajan tekoälyohjelmiston käyttöönoton jälkeen. Inkluusiovaiheen pituus sovitetaan inkluusionopeuden mukaan.