Optymalizacja diagnostyki ostrego udaru niedokrwiennego przy użyciu sztucznej inteligencji (AI-STROKE)

Trombektomia w ostrym udarze niedokrwiennym mózgu jest wysoce skuteczna i opłacalna. Na dzień dzisiejszy zbyt mało pacjentów ma dostęp do trombektomii. Istnieje pilna potrzeba poprawy diagnostyki, tak aby u wszystkich kwalifikujących się pacjentów po udarze mózgu wystarczająco szybko wykryć okluzję i zaproponować trombektomię, gdy jest to wskazane. Niedawno wykazano, że techniki obrazowania oparte na uczeniu maszynowym zapewniają lepszą diagnostykę dzięki zautomatyzowanym metodom wykrywania niedrożności naczyń i zmian niedokrwiennych za pomocą sztucznej inteligencji. Przeprowadzimy prospektywne badanie interwencyjne u pacjentów z ostrym udarem niedokrwiennym mózgu w celu uporządkowania i uproszczenia ścieżki opieki poprzez pragmatyczne podejście do obrazowania ostrego udaru oparte na najnowocześniejszych postępach w przetwarzaniu obrazu i sztucznej inteligencji. Dzięki zastosowaniu wielofazowej angiografii CT i oprogramowania w dwóch ośrodkach leczenia udaru, użyteczność automatycznej oceny obrazów zostanie porównana ze standardową opieką. Wszystkie obrazy będą równolegle oceniane przez neuroradiologów w kompleksowym ośrodku udarowym.

Głównym celem jest uporządkowanie i uproszczenie ścieżki opieki do obrazowania ostrego udaru mózgu, opartej na najnowocześniejszych postępach w przetwarzaniu obrazu i sztucznej inteligencji.

Celem drugorzędnym jest ocena: 1) trafności diagnostycznej mCTA w wykrywaniu niedrożności naczyń w udarze niedokrwiennym mózgu przy użyciu narzędzi analitycznych opartych na sztucznej inteligencji w porównaniu ze złotym standardem MRI, 2) odsetka kwalifikujących się pacjentów, którzy otrzymali EVT przy użyciu analizy opartej na sztucznej inteligencji w porównaniu do diagnostyki standardowej opieki 3) czas od początku do rekanalizacji oraz 4) wynik czynnościowy u pacjentów z ostrym udarem niedokrwiennym leczonych EVT, u których wykonano wstępną diagnostykę radiologiczną przy użyciu narzędzi do analizy obrazu opartych na sztucznej inteligencji w porównaniu z pacjentami z udarem zdiagnozowanymi w ramach standardowej opieki.

Hipotezy: Nowe narzędzia analizy obrazu oparte na sztucznej inteligencji zastosowane w już dostępnych standardowych technikach obrazowania opartych na tomografii komputerowej mogą a) poprawić diagnostykę ostrego udaru oraz b) zwiększyć liczbę pacjentów leczonych EVT.

Głównym celem projektu jest uporządkowanie i uproszczenie ścieżki opieki poprzez pragmatyczne podejście do obrazowania ostrego udaru oparte na najnowocześniejszych postępach w przetwarzaniu obrazu i sztucznej inteligencji.

Cele drugorzędne:

1. Ocena, czy zastosowanie narzędzi do analizy obrazu opartych na sztucznej inteligencji w diagnostyce radiologicznej w ośrodkach pierwotnego udaru mózgu może skrócić czas od początku do rekanalizacji u pacjentów z ostrym udarem niedokrwiennym mózgu leczonych EVT.
2. Ocena dokładności diagnostycznej mCTA w wykrywaniu niedrożności średnich i dużych naczyń udaru niedokrwiennego za pomocą narzędzi analitycznych opartych na sztucznej inteligencji w porównaniu z oceną według złotego standardu MRI (angiografia DWI i MR) ocenianą przez neuroradiologów.
3. Ocena dokładności diagnostycznej mCTA w wykrywaniu udaru niedokrwiennego z niedrożnością średnich i dużych naczyń przy użyciu narzędzi analitycznych opartych na sztucznej inteligencji w porównaniu z oceną przeprowadzaną w ramach standardowej opieki.
4. Ocena, czy wykorzystanie dostępnych narzędzi analitycznych opartych na sztucznej inteligencji zastosowanych w mCTA może zwiększyć liczbę pacjentów po udarze kwalifikujących się do EVT i oferowanych im.
5. Porównanie wyników funkcjonalnych i miar wyników związanych z pacjentem 3 miesiące po EVT u pacjentów z udarem, u których wykonano wstępną diagnostykę radiologiczną przy użyciu narzędzi do analizy obrazu opartych na sztucznej inteligencji, z pacjentami z udarem zdiagnozowanymi w ramach standardowej opieki.

Punkty końcowe:

Podstawowe punkty końcowe:

- Czas od rozpoczęcia tomografii komputerowej pacjentów w miejscowym szpitalu do diagnostyki radiologicznej u pacjentów z ostrym udarem mózgu z LVO i MeVO w okresach z wykorzystaniem oprogramowania AI w porównaniu do okresów z opieką standardową.

Drugorzędowe punkty końcowe:

• Czas od rozpoczęcia tomografii komputerowej pacjentów w lokalnym szpitalu do rozpoczęcia trombektomii u pacjentów z rozpoznaniem LVO i MeVO w okresach z wykorzystaniem oprogramowania AI w porównaniu do okresów z opieką standardową.
• Czas od wystąpienia objawów do rozpoczęcia trombektomii u pacjentów zidentyfikowanych za pomocą LVO i MeVO w okresach z użyciem oprogramowania AI w porównaniu z odsetkiem pacjentów zidentyfikowanych z LVO i MeVO zdiagnozowanych w ramach standardowej opieki.
• Odsetek pacjentów zidentyfikowanych z LVO i MeVO w okresach z wykorzystaniem oprogramowania AI w porównaniu z odsetkiem pacjentów zidentyfikowanych z LVO i MeVO zdiagnozowanych w ramach opieki standardowej.
• Odsetek pacjentów zidentyfikowanych z LVO i MeVO w okresach z wykorzystaniem oprogramowania AI w porównaniu z oceną neuroradiologów.
• Odsetek pacjentów leczonych trombektomią w MeVO w okresach z użyciem oprogramowania AI w porównaniu do odsetka pacjentów zidentyfikowanych z rozpoznaniem LVO i MeVO w ramach standardowej opieki.
• Wynik funkcjonalny 3 miesiące po EVT u pacjentów z udarem, u których wykonano wstępną diagnostykę radiologiczną przy użyciu narzędzi do analizy obrazu opartych na sztucznej inteligencji, w porównaniu z pacjentami z udarem zdiagnozowanymi w ramach standardowej opieki.
• Pomiary wyników związane z pacjentem 3 miesiące po EVT u pacjentów z udarem, u których wykonano wstępną diagnostykę radiologiczną przy użyciu narzędzi do analizy obrazu opartych na sztucznej inteligencji, w porównaniu z pacjentami z udarem zdiagnozowanymi w ramach standardowej opieki.

Niniejsze badanie jest częścią prospektywnego badania obserwacyjnego świadczenia trombektomii we współpracy między oddziałami udarowymi i oddziałami radiologicznymi w ośrodkach leczenia udaru pierwotnego i kompleksowego — Oslo Acute Revascularization Stroke Study (OSCAR) (REK 2015/1844, numer EudraCT 2018-004691- 36). Dane zbierano już od stycznia 2017 r. u pacjentów leczonych EVT w Szpitalu Uniwersyteckim w Oslo i uwzględniono prawie 1100 pacjentów leczonych EVT. Baza danych zawiera szczegółowe informacje dotyczące logistyki, transportu, danych klinicznych, radiologicznych, a leczenie, w tym rehabilitację, od początku do 3-miesięcznej obserwacji jest rejestrowane prospektywnie.

Badanie rozpocznie się 12-miesięcznym okresem rejestracji przed wdrożeniem oprogramowania AI. Dane z tego okresu oraz z badania OSCAR zostaną porównane z danymi zebranymi po wdrożeniu oprogramowania AI. Rozpoczniemy badanie w Drammen Hospital i będziemy je sukcesywnie wdrażać w innych szpitalach Vestre Viken Hospital Trust i Østfold Hospital Trust. Dane będą rejestrowane przez co najmniej 18 miesięcy po wdrożeniu oprogramowania AI. Długość fazy włączenia zostanie dostosowana do wskaźnika włączenia.