Endovascular卒中治疗(EVT)是一种对大血管闭塞(LVO)急性缺血性卒中(AIS)患者非常有效的干预手段，其有效性在很大程度上取决于患者发病时组织不可逆损伤或梗死的程度。1目前，在发病时确定梗死核的最佳方法仍不清楚。阿尔伯塔脑卒中项目早期CT评分(ASPECTS)已经开发出来，使用几乎普遍可用的非对比头部CT (NCHCT)来量化缺血程度。另一方面，ASPECTS评分可能会受到评分者之间的高度变动性的影响，并且可能需要比许多评估AIS的低容量中心更高水平的专业知识来准确读取。2另一方面，CT灌注(CTP)得益于梗死组织的自动测定，并在最近的临床试验中发挥了重要作用。然而，CTP的应用并不广泛，而且也被证明低估或高估了梗死核。3 - 5一种能够以自动化的方式准确检测梗死组织的方法，使用目前在所有评估AIS的医院(包括低容量中心)广泛使用的成像技术，将改善EVT的筛查。
为此，我们之前开发了一种名为DeepSymNet (DSN)的机器学习模型，与同时获得的CTP相比，它成功地预测了梗死核心，使用了一种更广泛使用的方式，CT血管造影(CTA)，以自动化的方式。6，7在本研究中，我们假设在LVO AIS患者中，NCHCT-ASPECTS和CTA与DSN在识别梗死核心方面表现较快速CTP(缺血性view, Inc.)更好。我们比较了这三种模式在预测成功接受EVT的患者的最终梗死体积(FIV)方面的表现。
开云体育世界杯赔率
研究人群
支持本研究结果的数据可根据合理要求从通讯作者处获得。我们的研究人群包括机械取栓实际实施(PRIME)研究的一个子集。PRIME是一项前瞻性观察队列研究，检查了大休斯顿地区同一卫生系统内11个联合委员会认证的卒中中心诊断为AIS或短暂性脑缺血发作的所有患者。在这项研究中，我们确定了2016年3月至2019年4月期间到其中四家医院就诊的人群的子集，这些医院是综合中风中心，具有现场CTP和EVT功能。如果患者被诊断为前循环LVO AIS，并在出现症状时进行了包括同步NCHCT、CTA和CTP的快速后处理的影像学检查。在所有患者中，CTA用于评估LVO的存在。LVO被定义为颅内颈内动脉闭塞1或者一个2大脑前动脉，简称M1或米2大脑中动脉的片段。患者还需要接受再灌注成功的EVT(脑梗死溶栓[TICI]级别为2b或3级)，并在再灌注后24至48小时进行FIV成像，包括MRI。在所有患者中，NCHCT、CTA和CTP同时获得，这是在到医院就诊时发生的。
该研究由德克萨斯大学休斯顿健康科学中心的人体受试者保护委员会审查和批准，并授予了放弃同意和健康保险可携带与责任法案(HIPAA)的授权。
测量
使用研究电子数据采集(REDCap)工具收集和管理所有研究数据。8，9用三种方法对发病时的缺血核进行定量。开云体育世界杯赔率首先，通过NCHCT的神经放射学报告来确定ASPECTS，如果没有神经放射学报告，则由具有AIS成像确定经验的专家评审员进行。其次，利用Rapid对CTP研究进行后处理。最后，使用DSN-v2对CTA源图像进行分析(见下文)。我们在EVT成功后72小时内进行的扩散加权MRI上定义FIV，与先前的研究一致。3.，10 - 12FIV的测量采用人工感兴趣区域测量(Horos，https://horosproject.org）.
DeepSymNet-v2
DSN-v2是一种基于三维卷积神经网络的机器学习算法，它利用大脑半球对称信息来学习预测中风相关结果的成像模式。在我们之前的工作中，我们描述了算法的第一次迭代DSN，它被用于检测LVO，估计梗死核心，并检测出血性卒中。6，7，13在这项研究中，我们使用了一个新版本的机器学习模型，该模型通过包含cta特定模板、多分辨率管道和颅骨剥离进行了改进。通过使用对称和非对称路径，以及通过使用更有效的构建块、跳过连接和批处理归一化来减少参数数量，该模型得到了进一步的改进。14，15
该机器学习模型的算法在从该分析队列之外的患者获得的外部CTA数据集上进行了训练和内部验证，允许对算法的泛化性和微调其架构的能力进行有意义的估计。在训练时，算法使用一个二进制变量表示大(> 50 ml)或小(< 50 ml)梗死核作为目标，该变量由CTP图像和快速分析软件计算得出。在推断时(即在此分析中评估算法时)，算法生成了一个实数，范围从0到1，表示有一个小梗死核的非校准可能性，接近1的值更表明一个小梗死核。
主要的结果
这项研究的主要结果是三种梗死核心测量方法——nchct - aspects、DSN-v2模型(使用CTA)和ctp - quick在预测成功EVT患者FIV方面的表现。在三个FIV截止点(10ml、30ml和50ml)，使用受试者工作特征曲线(ROC)下面积(AUC)统计数据来测量该结果。选择这些截断值来显示算法在不同核尺寸下的性能。它们基于临床相关值，同时也确保我们有足够的数据来进行分析。10毫升的截止值被选为较低的值。选择的30ml和50ml临界值与DAWN试验中使用的核心阈值一致。16
统计分析
为了描述研究人群的特征，分类变量报告百分比，连续变量报告中位数(IQR)。所有统计检验均为双侧检验，采用常规显著性水平(α = 0.05)进行解释。使用AUC统计量来衡量模型性能。采用卡方检验检验预测因素auc之间的显著性。所有数据分析均使用Stata版本16 (StataCorp LLC)和Prism版本7 (GraphPad)软件进行。
结果
在76例接受EVT并符合纳入标准的LVO AIS患者中，中位年龄为67岁(IQR 54-76岁)，45%为女性，37%为白人。50%的患者有高血压史，21%的患者有高脂血症，12%的患者有中风史。美国国立卫生研究院卒中量表(NIHSS)评分中位数为16 (IQR 12-22)， 65%的患者卒中前改良Rankin量表评分为0。aspect的中位数为8 (IQR 7-8)。患者最后一次康复到到达的中位时间为156分钟(IQR 73 - 303分钟)，NCHCT/CTA/CTP到腹股沟穿刺的中位时间为73分钟(IQR 54-81分钟)。51%的患者接受了静脉组织纤溶酶原激活剂(IV tPA)， 25%的患者达到了2b级。有关人口统计学和临床特征的更多细节，请参阅表1．
人口学和临床特征
| 所有患者(n = 76) | |
|---|---|
| 年龄中位数(IQR) | 67 (54 - 76) |
| 女性，% | 44.7 |
| 种族,% | |
| 白色 | 36.8 |
| 黑色的 | 18.42 |
| 亚洲 | 5.26 |
| 其他 | 39.47 |
| 种族,% | |
| 拉美裔 | 14.4 |
| PMHx, % | |
| 之前的行程 | 11.8 |
| 高脂血症 | 21 |
| 高血压 | 50 |
| 糖尿病 | 22.3 |
| 吸烟 | 10.5 |
| 中风前mRS评分，% | |
| 0 - 2 | 82.9 |
| 3 - 5 | 17.1 |
| NIHSS评分中位数(IQR) | 16)(12日至22日 |
| 中位基线aspect (IQR) | 8 (7 - 8) |
| 快速缺血核心容积(IQR) | 4.5 (0 - 21.5) |
| FIV中值(IQR) | 11.39 (2 - 37.5) |
| 中位时间间隔(IQR)，分钟 | |
| 抵港距离 | 156年(73 - 303) |
| CT到GP | 73 (54 - 81) |
| CT显示再通 | 111 (100 - 126.5) |
| 目标闭塞部位，% | |
| ICA | 13.3 |
| 米1 | 66.6 |
| 米2 | 16 |
| 其他 | 4 |
| 闭塞偏侧lt半球，% | 55.26 |
| IV tPA， % | 51 |
| 最终TICI等级，% | |
| 2 b | 25.3 |
| 3. | 74.6 |
腹股沟穿刺;ICA =颈内动脉;最后一次知道的井;mRS =修正兰金量表;既往病史。
相对于FIV，基于NCHCT-ASPECTS、CTP-Rapid和DSN的梗死核预测分布可以在图1．这三种方法在预测FIV方面的表现可以从图2．在三个不同的截止点获得AUC: 10ml, 30ml和50ml FIV。在10ml FIV截止时，ASPECTS的AUC为0.67;CTP核心体积，0.63;深空网络为0.75。三个预测因子的auc差异不显著(p = 0.11)。在30 ml FIV截止时，ASPECTS的AUC为0.76;CTP核心体积，0.73;深空网络为0.82。三个预测因子的auc差异不显著(p = 0.36)。 At the 50-ml FIV cutoff, the AUC of ASPECTS was 0.74; of CTP core volume, 0.72; and of DSN, 0.82. Differences in AUCs for the three predictors were not significant (p = 0.44).
fiv的分布与梗死核的三种测量值不同。显示FIV与ASPECTS分布的散点图(一个)、ctp快速梗塞芯(B)和深空网络(C)患者出现时进行成像的概率。
介绍了三种预测FIV的梗死芯测量技术的性能。3个FIV临界值为10ml时的auc (一个)， 30毫升(B)，及50毫升(C)，展示了在EVT之前使用出现时进行的成像来预测FIV的三种梗死核测量的性能。
讨论
在这项研究中，采用不同的方法来测量LVO AIS患者出开云体育世界杯赔率现时的梗死核，所有三种测量方法在预测再通患者的FIV时都表现出良好的性能。我们分析CTA源图像的自动机器学习模型在FIV大小范围内表现出优于NCHCT-ASPECTS和CTP-Rapid的性能，尽管这种差异在统计上不显著。随着fiv的增大，三种模型的性能都有所提高。
对于成功再通的患者，我们选择FIV作为出现梗死时的金标准，因为已知其他方法不准确，特别是在较早的时间窗口。开云体育世界杯赔率4然而，这种方法有一些局限性，因为从成像到再灌注，甚至可能在再灌注之后，梗死体积可能会增加。另一方面，这项技术与先前的研究一致，这些研究评估了机器学习方法在梗死芯检测时的性能。开云体育世界杯赔率10，17，18此外，在再灌注患者中使用FIV测试成像方法可能还有另一个优开云体育世界杯赔率势，因为它衡量了成像方法回答临床相关问题的能力:如果该患者可实现快速再灌注，预期结果将是什么?
在当前的研究中，我们发现使用CTA图像的NCHCT-ASPECTS和DSN在梗死大小范围内的表现与CTP-Rapid相当。这两种成像方式，NCHCT和CTA，比CTP更广泛使用。在这三种方法中，深空网络的优点开云体育世界杯赔率是自动化，因此不需要专家的输入。此外，该算法在CTA源图像上的运行时间小于1分钟。鉴于NCHCT-ASPECTS已知的广泛的评级间可靠性，自动化方法识别梗死是更可取的，尽管自动化ASPECTS的最新进展正在改进性能。10在这个队列中，CTP、NCHCT和CTA的加入并没有增加影像学结果的预后价值。
我们的研究有几个局限性。如上所述，即使在定义FIV的MRI时间点< 72小时之后，梗死体积也有可能增加。另一方面，这个时间点已在许多先前的研究中使用，并已被证明与90天的临床结果密切相关。19此外，由于我们的队列研究仅限于接受EVT的患者，因此梗死面积很大的患者比例相对较小。虽然我们的发现肯定会从另一个数据集的验证中受益，但我们确实观察到更大fiv的ASPECTS和DSN的性能有所提高。最后，我们的队列主要包括在最后一次了解情况后6小时内评估的患者，这些发现可能不会在较晚时间窗口出现的患者中重复。另一方面，先前的研究表明，在最后一次发现井后，随着时间的增加，NCHCT-ASPECTS的性能有所提高。20.
结论
在一组实现再灌注的LVO AIS患者中，NCHCT-ASPECTS和分析CTA源图像的机器学习模型在预测FIV时等效于CTP。机器学习模型表现出了优越的性能，但这种差异在统计上并不显著。这些发现表明，在LVO AIS患者中准确预测梗死核心的信息存在于传统成像方式(NCHCT和CTA)中，并可通过机器学习方法获得。开云体育世界杯赔率
披露的信息
Sheth博士报告了来自美国国立卫生研究院、美国神经病学学会以及血管和介入性神经病学学会的资助。
作者的贡献
构思和设计:Sheth, Abdelkhaleq, Kim, Giancardo。数据采集:吉安卡多。数据分析与解释:Sheth, Abdelkhaleq, Giancardo。文章起稿:Sheth, Abdelkhaleq, Kim, Khose, Salazar-Marioni, Giancardo。批判性地修改文章:所有作者。审稿版本:所有作者。批准了手稿的最终版本代表所有作者:Sheth。统计分析:Sheth, Kim。行政/技术/物资支持:研究指导:Sheth, Giancardo。
参考文献
-
14 ↑
黄G，刘年代，范德马腾l，温伯格KQ．CondenseNet:使用学习群卷积的高效DenseNet．:2018 IEEE/CVF计算机视觉和模式识别会议．IEEE；2018：2752- - - - - -2761．2021年5月10日访问。https://ieeexplore.ieee.org/document/8578389
