Abstract TP57: Predicting Regional Tissue Fate in Ischemic Stroke Using Color Coded mCTA-based Collaterals Assessment
Notice bibliographique
Résumé
Background and Purpose: Multiphase CT angiography (mCTA) assessment of collaterals has been proven to be predictive of tissue fate on follow-up imaging following an acute stroke. We used the GE FastStroke Software, a novel mCTA image analysis and visualization tool that color codes pial arteries and veins based on delay in vessel enhancement to predict regional tissue fate. Red colored collaterals represented no delay in enhancement, green represented a one phase delay and blue two phase delays. Methods: Forty patients with M1-middle cerebral artery occlusions were selected from the prospective database ProVeIT. Baseline CT as well as 24 to 36-hour CT/MRI were analyzed and scored regionally using the Alberta Stroke Program early CT scoring (ASPECTS). Regional vessel filling was assessed using color coded collateral maps, and given a score of 1,2 or 3 based on the predominant color of collaterals (1=blue, 2=green, 3=red). A score of 0 was given if there was less than 50% regional filling compared to the contralateral side. Logistic regression method was used to correlate collateral assessment with tissue fate, adjusting for baseline ASPECTS. Results: 280 cortical regions were assessed (M1 to M6, Insula). When blue color was predominant, risk of subsequent infarction was 48% (27/56). Green and red colors were associated with 33% (37/111) and 14% (13/88) of subsequent infarction, respectively. A score of 0 had an 80% (20/25) risk of infarction. Using logistic regression methods, collaterals assessment met statistical significance in tissue fate correlation (p<0.001). Conclusions: Collateral scoring using color coded collateral maps was highly predictive of subsequent infarction risk. Further work is needed to understand the impact of fast endovascular reperfusion in influencing tissue outcome.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».