Robotic-assisted intracranial aneurysm treatment: 1 year follow-up imaging and clinical outcomes
Notice bibliographique
Résumé
BACKGROUND: The use of robotics in medicine may enable increased technical accuracy, reduced procedural time and radiation exposure, and remote completion of procedures. We have previously described the first-in-human, robotic-assisted cerebral aneurysm treatment using the CorPath GRX Robotic System. In this report we discuss our early experiences and outcomes using this robotic device for endovascular treatment of intracranial aneurysms using stent-assisted coil embolization and flow diversion. METHODS: The patient and disease characteristics, procedural details, and follow-up imaging and clinical outcomes of consecutive patients undergoing robotically-assisted intracranial aneurysm embolization between November 2019 and February 2020 are presented. RESULTS: Six patients underwent robotically-assisted embolization of intracranial aneurysms. Four of the patients were treated with a neck-bridging stent (with or without coiling) and two patients were treated with a flow-diverting stent. Two patients were treated in the subacute period of subarachnoid hemorrhage and four patients were treated electively. All of the procedures could be completed robotically and there was no need for unplanned manual intervention. The technical success rate of the procedures was 100%. There was no morbidity or mortality associated with the procedures. One year follow-up imaging showed that four aneurysms were completely obliterated (Raymond-Roy Occlusion Classification (RROC) class I) and the remaining two were occluded with a residual neck (RROC class II). CONCLUSIONS: The Corpath GRX Robotic System demonstrated a precise control over the microcatheter, wire and stent during aneurysm treatment. Robotic neuro-procedures seem to be safe and effective and demonstrate stable occlusion results in the midterm follow-up.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 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) | 0,000 | 0,000 |
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 tête enseignante, 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 ».