Performance of RAPID noncontrast CT stroke platform in large vessel occlusion and intracranial hemorrhage detection
Notice bibliographique
Résumé
Abstract Background Noncontrast CT (NCCT) is used to evaluate for intracerebral hemorrhage (ICH) and ischemia in acute ischemic stroke (AIS). Large vessel occlusions (LVOs) are a major cause of AIS, but challenging to detect on NCCT. Aims The purpose of this study is to evaluate an AI software called RAPID NCCT Stroke (RAPID, iSchemaView, Menlo Park, CA) for ICH and LVO detection compared to expert readers. Methods In this IRB approved retrospective, multicenter study, stand-alone performance of the software was assessed based on the consensus of 3 neuroradiologists and sensitivity and specificity were determined. The platform’s performance was then compared to interpretation by readers comprised of eight general radiologists (GR) and three neuroradiologists (NR) in detecting ICH and hyperdense vessel sign (HVS) indicating LVO. Receiver operating characteristics (ROC) curve was used to evaluate the performance of each reader. P < 0.05 was considered significant. Results A total of 244 cases were included. Of the 244, 115 were LVOs and 26 were ICHs. One hundred three cases did not have LVO nor ICH. Stand-alone performance of the software demonstrated sensitivities and specificities of 96.2% and 99.5% for ICH and 63.5% and 95.1% for LVO detection. Compared to all 11 readers and eight GR readers only respectively, the software demonstrated superiority, achieving significantly higher sensitivities (63.5% versus 43.6%, p < 0.0001 and 63.5% versus 40.9%, p =0.001). Conclusion The RAPID NCCT Stroke platform demonstrates superior performance to radiologists for detecting LVO from a NCCT. Use of this software platform could lead to earlier LVO detection and expedited transfer of these patients to a thrombectomy capable center.
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 | 0,006 | 0,013 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».