Automated Identification of Thrombectomy Amenable Vessel Occlusion on Computed Tomography Angiography using Deep Learning
Notice bibliographique
Résumé
Abstract Objectives Recent advancements have extended the treatment window for large vessel occlusion in acute ischemic stroke, prompting a shift in the standard of care for patients presenting within 6 to 24 hours. We developed and externally validated an automated deep learning algorithm for detecting thrombectomy amenable vessel occlusion (TAVO) in computed tomography angiography (CTA). Methods The algorithm was trained on 2,045 acute ischemic stroke patients who underwent CTA, and validation was conducted using two external datasets comprising 64 (external 1) and 313 (external 2) patients with ischemic stroke. TAVO was defined as occlusion in the intracranial internal carotid artery (ICA), or M1/M2 segment of the middle cerebral artery (MCA). Utilizing U-Net for vessel segmentation and EfficientNetV2 for TAVO prediction, the algorithm’s diagnostic performance was assessed using the area under the receiver operating characteristics curve (AUC), sensitivity, specificity, positive predictive value (PPV), and negative predictive value (NPV). Results The mean age in the training and validation dataset was 68.7±12.6; 56.3% were men, and 18.0% had TAVO. The algorithm achieved AUC of 0.950 (95% CI, 0.915–0.971) in the internal test. For the external datasets 1 and 2, the AUCs were 0.970 (0.897–0.997) and 0.971 (0.924–0.990), respectively. Notably, the algorithm demonstrated robust sensitivity and specificity (approximately 0.95) for intracranial ICA or M1-MCA occlusion, but a slight reduction in performance for isolated M2-MCA occlusion. Conclusion This validated algorithm has potential applications in identifying TAVO and could aid less-experienced clinicians, potentially expediting the treatment process for eligible patients.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».