Abstract WMP14: e-ASPECTS Improves Sensitivity to Early Ischemic Injury on Acute Computed Tomography Scans
Notice bibliographique
Résumé
Background: ASPECTS (Alberta Stroke Program Early CT Score) is a validated scoring system for assessment of early ischemic change (EIC) on CT head scans, which can be used to guide patient management and improve diagnostic accuracy. Detection of EIC can be challenging particularly for less experienced clinicians. e-ASPECTS software uses machine learning algorithms to support physicians in detecting EIC, which can be quantified using the ASPECTS score. Hypothesis: e-ASPECTS shortens time for CT scan assessment and improves agreement with reference standard ASPECTS when compared to blinded assessment. Methods: 26 clinicians (including 11 radiologists, 6 junior and 7 consultant stroke physicians, and 2 non-specialist physicians) independently scored 2560 ASPECTS regions from 64 patients for signs of EIC on non-contrast CT brain scans. These were acquired within 4.5 hours of stroke onset. A familiarization training set of 5 patients was used prior to scoring. Images were randomized to manual or software assistance. After two weeks images were rescored using the alternative method. Scorers were blinded to clinical symptoms. Reference standard scores were defined by an independent neuroradiologist with information on clinical symptoms, access to 24h follow-up, and with CT perfusion or MRI scans when available. Results: Mean NIHSS was 11. Mean time to score scans fell by 34% (45s, 2:12 to 1:27, mm:ss) using e-ASPECTS assistance. Rater agreement with ground truth was greatest in the radiologist cohort, but performance improved across all clinician categories using e-APSECTS assistance (radiology kappa: 0.26 to 0.38). Sensitivity to EIC improved by a factor of two across all clinician groups using e-ASPECTS assistance, and this was most marked for less experienced physicians. Conclusion: In acute ischemic stroke e-ASPECTS assisted analysis increased accuracy and reduced time for detection of EIC. Routine assistance of non-contrast CT interpretation has the potential to reduce treatment times and improve accuracy across clinicians and sites.
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 | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,005 | 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 ».