Automated evaluation of ASPECTS from brain computerized tomography of patients with acute ischemic stroke
Notice bibliographique
Résumé
BACKGROUND AND PURPOSE: Precise evaluation of brain computerized tomography (CT) is a crucial step in acute ischemic stroke evaluation. Electronic Alberta Stroke Program Early CT Score (E-ASPECTS) helps in the selection of patients who may be eligible for thrombolysis. This paper seeks to assess the performance of emergency physicians (EPs) in the evaluation of ASPECTS scores with and without the use of E-ASPECTS and to compare their results with neuroradiologists. METHODS: A total of 116 patients were selected. Initially, two EPs and two neuroradiologists evaluated the admission nonenhanced CT without E-ASPECTS. Then, after 30 days, they re-evaluated the images using E-ASPECTS. Sensitivity, specificity, Matthew's correlation coefficients (MCC), and receiver operating characteristic curves were generated for analysis before and after the software use. RESULTS: Eps' performances improved when they used E-ASPECTS, with their results closer to those obtained by neuroradiologists. In the initial evaluation, MCC values for the two EPs were -0.01 and 0.04, respectively. After the software assistance, they obtained 0.38 and 0.43, respectively, which was closer to the scores obtained by the neuroradiologists (0.53 and 0.39, respectively). DISCUSSION: This is the first study that has specifically compared neuroradiologists' and EPs' performances before and after using E-ASPECTS. E-ASPECTS assisted and improved the evaluation of the images of patients with acute ischemic stroke. CONCLUSION: Artificial intelligence in the emergency room may increase the number of patients treated with tissue-type plasminogen activators.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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 ».