MétaCan
Menu
Retour à la cohorte
Enregistrement W4360865254 · doi:10.1161/svin.122.000811

Validation of a Novel Multiphase CTA Perfusion Tool Compared to CTP in Patients With Suspected Acute Ischemic Stroke

2023· article· en· W4360865254 sur OpenAlexaff
Faysal Benali, Jianhai Zhang, Najratun Nayem Pinky, Fouzi Bala, Ibrahim Alhabli, Rotem Golan, Luis A. Souto Maior Neto, Ibukun Elebute, Chris Duszynski, Wu Qiu, Bijoy K. Menon

Notice bibliographique

RevueStroke Vascular and Interventional Neurology · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Ischemic Stroke Management
Établissements canadiensCircle Cardiovascular ImagingUniversity of Calgary
Organismes subventionnairesnon disponible
Mots-clésMedicinePerfusion scanningPerfusionCerebral blood flowComputed tomography angiographyRadiologyIschemiaAngiographyNuclear medicineStroke (engine)Contrast (vision)OcclusionArea under the curveArtificial intelligenceComputer scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Background We recently developed a novel machine learning‐based algorithm using multiphase computed tomography angiography (mCTA) to generate perfusion maps of the brain, similar to computed tomography perfusion (CTP) (ie, multiphase CTA perfusion [mCTAp]). Here, we aim to validate the clinical utility of mCTAp in detection of brain ischemia and its side, extent, and location. Methods In this prospective multi‐reader‐multi‐case analysis, we included baseline images: mCTAp ( StrokeSENS ‐algorithm) and CTP (4D; GE Healthcare) from 121 randomly selected patients whose scans were not part of algorithm‐development. After excluding 2/121 scans because of poor image‐quality, 3 experienced radiologists read time to maximum, and relative cerebral blood flow‐maps generated by the test (mCTAp) and reference (CTP) modality. The 2 reading sessions were separated by 5 days although the reading order was randomized. Core laboratory imaging assessments – that used non contrast computed tomography, mCTA, and CTP – were considered as ground‐truth. A mixed‐effects statistical model with “reader” as random effects variable was used to calculate the area under the curve (with 95% CI), sensitivity, and specificity for both modalities (mCTAp/CTP) for ischemia detection, affected side, and occlusion location. The time required for interpretation and inter‐rater variability in assessments were compared across the 2 modalities. Results Area under the curves (95% CI) for detecting ischemia using mCTAp and CTP were 0.85 (95% CI, 0.8–0.9) and 0.84 (0.8–0.9) respectively ( P =0.43). Area under the curves for the affected side were 0.94 (0.92–0.97) and 0.96 (0.94–0.98) ( P =0.69), respectively; for detecting large vessel occlusion were 0.84 (0.8–0.9) and 0.86 (0.8–0.9), ( P =0.31), respectively; M2‐or‐distal occlusion were 0.79 (0.73–0.84) and 0.88 (0.83–0.92) ( P =0.22), respectively, for anterior cerebral artery‐occlusion 0.82 (0.66–0.98) and 0.93 (0.82–1.00) ( P =0.15), respectively, and for posterior cerebral artery‐occlusions 0.9 (0.8–1) and 0.99 (0.98–0.99) ( P =0.01), respectively. The median (interquartile range [IQR]) time for image interpretation was 62 seconds (IQR, 46–78) and 59 seconds (IQR, 42–69) for mCTAp and CTP, respectively, ( P =0.15). Fleiss` Kappa‐values for inter‐rater reliability in detecting ischemia were 0.5 and 0.8 for mCTAp and CTP, respectively. Conclusion mCTAp shows similar performance and interpretation times compared to CTP in assisting readers to detect brain ischemia, affected side, and occlusion location, but mainly as it relates to proximal vessel occlusions. The proposed tool still needs further refinement for distal vessel occlusions. Nonetheless, mCTAp is a promising tool as it allows for acquisition of brain perfusion maps with lower radiation exposure, acquisition time, and contrast dose compared with additional CTP.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,146
Score d'incertitude au seuil0,662

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,260
Écart entre enseignants0,247 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStroke Vascular and Interventional NeurologyMême sujetAcute Ischemic Stroke ManagementTravaux en français237 207