Visual Assessment of Perfusion-Diffusion Mismatch Is Inadequate to Select Patients for Thrombolysis
Notice bibliographique
Résumé
BACKGROUND: For MR perfusion-diffusion mismatch to be clinically useful as a means of selecting patients for thrombolysis, it needs to occur in real time at the MRI console. Visual mismatch assessment has been used clinically and in trials but has not been systematically validated. We compared the accuracy of visually rating console-generated images with offline volumetric measurements using data from the Echoplanar Imaging Thrombolytic Evaluation Trial (EPITHET). METHODS: Perfusion time-to-peak (TTP) and diffusion-weighted images (DWI) (as generated by commercial MRI console software) and T(max) perfusion maps (which required offline calculation) were visually rated. Perfusion-diffusion mismatch, defined as a ratio of perfusion:diffusion lesion volume of >1.2, was independently scored by 1 expert and 2 inexperienced raters blinded to calculated volumes and clinical information. Visual mismatch was compared with region-of-interest-based volumetric calculation, which was used as the gold standard. RESULTS: Volumetric calculation demonstrated perfusion-diffusion mismatch in 85/99 patients. Visual TTP-DWI mismatch was correctly classified by the experienced rater in 82% of the cases (sensitivity: 0.86; specificity: 0.54) compared to 73% for the inexperienced raters (sensitivity: 0.75; specificity: 0.57). The interrater reliability for TTP-DWI mismatch was moderate (kappa = 0.50). Visual T(max)-DWI mismatch performed better (agreement - 93 and 87%, sensitivity - 95 and 88%, specificity - 77 and 82% for the experienced and inexperienced raters, respectively). CONCLUSIONS: The assessment of visual TTP-DWI mismatch at the MRI console is insufficiently reliable for use in clinical trials. Differences in perfusion analysis technique and visual inaccuracies combine to make visual TTP-DWI mismatch substantially different to volumetric T(max)-DWI mismatch. Automated software that applies perfusion thresholds may improve the reproducibility of real-time mismatch assessment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,006 | 0,046 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».