Optimalisatie van de diagnostiek van acute ischemische beroertes met behulp van kunstmatige intelligentie (AI-STROKE)

Trombectomie bij acute ischemische beroerte is zeer effectief en kosteneffectief. Tot op heden hebben te weinig patiënten toegang tot trombectomie. Er is dringend behoefte aan verbetering van de diagnostiek, zodat bij alle in aanmerking komende patiënten met een beroerte de occlusie snel genoeg wordt gedetecteerd en op indicatie een trombectomie wordt aangeboden. Onlangs is aangetoond dat op machine learning gebaseerde beeldvormingstechnieken verbeterde diagnostiek bieden met geautomatiseerde methoden voor de detectie van vaatocclusie en ischemische laesies door middel van kunstmatige intelligentie. We zullen een prospectieve interventionele studie uitvoeren bij patiënten met een acute ischemische beroerte met als doel het zorgpad te organiseren en te vereenvoudigen door middel van een pragmatische benadering van acute beroerte-beeldvorming, mogelijk gemaakt door geavanceerde ontwikkelingen in beeldverwerking en kunstmatige intelligentie. Door gebruik te maken van multifase CT-angiografie en software in twee centra voor primaire beroertes, zal het nut van automatische evaluatie van beelden worden vergeleken met standaardzorg. Alle beelden worden parallel beoordeeld door neuroradiologen in het uitgebreide stroke centrum.

Het hoofddoel is het organiseren en vereenvoudigen van het zorgpad naar beeldvorming bij acute beroertes, mogelijk gemaakt door geavanceerde ontwikkelingen op het gebied van beeldverwerking en kunstmatige intelligentie.

De secundaire doelstellingen zijn het beoordelen van: 1) de diagnostische nauwkeurigheid van mCTA bij het detecteren van vaatocclusie bij ischemische beroerte met behulp van op AI gebaseerde analysetools vergeleken met de gouden standaard van MRI, 2) het percentage in aanmerking komende patiënten dat EVT ontvangt met behulp van op AI gebaseerde analyse vergeleken 3) tijd van aanvang tot rekanalisatie, en 4) functioneel resultaat bij patiënten met een acute ischemische beroerte die werden behandeld met EVT en die hun initiële radiologische diagnose hadden met behulp van op AI gebaseerde beeldanalysetools in vergelijking met patiënten met een beroerte die werden gediagnosticeerd door standaardzorg.

Hypothesen: Nieuwe AI-gebaseerde beeldanalysetools toegepast op reeds beschikbare standaard CT-gebaseerde beeldvormingstechnieken kunnen a) acute beroerte-diagnostiek verbeteren en b) het aantal patiënten dat met EVT wordt behandeld vergroten.

Het hoofddoel van het project is het organiseren en vereenvoudigen van het zorgtraject door middel van een pragmatische benadering van beeldvorming bij acute beroertes, mogelijk gemaakt door geavanceerde ontwikkelingen op het gebied van beeldverwerking en kunstmatige intelligentie.

Secundaire doelen:

1. Om te beoordelen of het gebruik van op AI gebaseerde hulpmiddelen voor beeldanalyse bij radiologische diagnostiek in centra voor primaire beroerte de tijd van het begin tot rekanalisatie kan verkorten bij patiënten met een acute ischemische beroerte die worden behandeld met EVT.
2. Om de diagnostische nauwkeurigheid van mCTA te beoordelen bij de detectie van ischemische beroerte bij occlusie van middelgrote en grote vaten met behulp van op AI gebaseerde analysetools in vergelijking met beoordeling door de gouden standaard van MRI (DWI en MR-angiografie) beoordeeld door neuroradiologen.
3. Om de diagnostische nauwkeurigheid van mCTA te beoordelen bij de detectie van ischemische beroerte bij occlusie van middelgrote en grote vaten met behulp van op AI gebaseerde analysetools in vergelijking met beoordeling door standaardzorg.
4. Om te beoordelen of het gebruik van beschikbare op AI gebaseerde analysetools toegepast op mCTA het aantal patiënten met een beroerte kan verhogen dat in aanmerking komt voor en aangeboden EVT.
5. Vergelijking van functionele uitkomsten en patiëntgerelateerde uitkomstmaten 3 maanden na EVT bij patiënten met een beroerte bij wie de eerste radiologische diagnose was gesteld met behulp van op AI gebaseerde beeldanalysetools voor patiënten met een beroerte die door standaardzorg werden gediagnosticeerd.

Eindpunten:

Primaire eindpunten:

- Tijd vanaf het begin van de CT-scan van patiënten in het plaatselijke ziekenhuis tot de radiologische diagnose bij patiënten met een acute beroerte met LVO en MeVO in perioden met gebruik van AI-software in vergelijking met perioden met standaardzorg.

Secundaire eindpunten:

• Tijd vanaf het begin van de CT-scan van patiënten in het plaatselijke ziekenhuis tot het begin van trombectomie bij patiënten geïdentificeerd met LVO en MeVO in perioden met het gebruik van AI-software in vergelijking met perioden met standaardzorg.
• Tijd vanaf het begin van de symptomen tot het begin van trombectomie bij patiënten geïdentificeerd met LVO en MeVO in perioden met het gebruik van AI-software vergeleken met het percentage patiënten geïdentificeerd met LVO en MeVO gediagnosticeerd door standaardzorg.
• Percentage patiënten geïdentificeerd met LVO en MeVO in perioden met het gebruik van AI-software vergeleken met het percentage patiënten geïdentificeerd met LVO en MeVO gediagnosticeerd door standaardzorg.
• Percentage patiënten geïdentificeerd met LVO en MeVO in periodes met gebruik van AI-software in vergelijking met beoordeling door neuroradiologen.
• Percentage patiënten behandeld met trombectomie in MeVO in perioden met het gebruik van AI-software in vergelijking met het percentage patiënten geïdentificeerd met LVO en MeVO gediagnosticeerd door standaardzorg.
• Functioneel resultaat 3 maanden na EVT bij patiënten met een beroerte bij wie de initiële radiologische diagnose was gesteld met behulp van op AI gebaseerde beeldanalysetools in vergelijking met patiënten met een beroerte die werden gediagnosticeerd door standaardzorg.
• Patiëntgerelateerde uitkomstmaten 3 maanden na EVT bij patiënten met een beroerte bij wie de initiële radiologische diagnose was gesteld met behulp van op AI gebaseerde beeldanalysetools, in vergelijking met patiënten met een beroerte die werden gediagnosticeerd door standaardzorg.

De huidige studie maakt deel uit van een prospectieve observationele studie van de trombectomiedienst met samenwerking tussen stroke units en radiologische afdelingen in primaire en uitgebreide beroertecentra - de Oslo Acute Revascularization Stroke Study (OSCAR) (REK 2015/1844, EudraCT-nummer 2018-004691- 36). Er zijn al gegevens verzameld sinds januari 2017 bij patiënten die met EVT zijn behandeld in het Oslo University Hospital en bijna 1100 patiënten die met EVT zijn behandeld, zijn opgenomen. De database bevat gedetailleerde informatie over logistiek, transport, klinische, radiologische gegevens en behandeling inclusief revalidatie vanaf baseline tot 3 maanden follow-up wordt prospectief geregistreerd.

Het onderzoek start met een periode van 12 maanden met registratie voorafgaand aan de implementatie van de AI-software. Gegevens uit deze periode en uit de OSCAR-studie worden vergeleken met de gegevens die zijn verzameld na de implementatie van de AI-software. We zullen de studie starten in het Drammen Hospital en deze vervolgens implementeren in de andere ziekenhuizen in Vestre Viken Hospital Trust en Østfold Hospital Trust. Gegevens worden minimaal 18 maanden na de implementatie van de AI-software geregistreerd. De duur van de inclusiefase wordt aangepast aan het inclusiepercentage.