P.034 Evaluation of modeling software for deployment of Pipeline stents in the endovascular treatment of intracranial aneurysms
Notice bibliographique
Résumé
Background: Flow diversion is an established endovascular method for the treatment of intracranial aneurysms. The Pipeline Embolization Device (PED) remains the only FDA-approved stent available in USA and Canada since 2011. Stent position plays an important role in determining long-term success. The Leonardo Workstation(Siemens) is used for planning the ideal stent size and post-deployment destination. This first-ever study evaluates the accuracy of modeling software in predicting PED location post-deployment. Methods: 48 PED-assisted cases were performed 2012-2018 at the University of Alberta Hospital. 20 fit our preliminary inclusion criteria (single stents, simple anatomy). The proximal and distal landing zones were used to model the ideal stent using Leonardo. Accuracy was measured by comparing the Leonardo-predicted stent length vs known length. Results modeling against the dimensions predicted by AngioSuite, an app-based interface designed for use in the planning stages. Results: Leonardo workstation is accurate within 5mm at predicting final length for stents oversized by ≥0.25 cm. The predicted difference by Leonardo workstation & AngioSuite did not demonstrate statistical significance (P=0.36, P=0.24 respectively). Conclusions: Current angiographic planning tools are accurate at predicting PED deployment within 5mm. Complex vascular anatomy and deployment of multiple stents make prediction challenging. Analysis of these complex cases is currently underway.
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 | 0,005 | 0,020 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».