闭塞的

在综合性中风中心对用于检测大血管闭塞的商业人工智能解决方案进行头对头比较

急性缺血性卒中 (AIS) 仍然是全球致残和死亡的主要原因 (1)。大血管闭塞 (LVO) 尤其与更严重的表现缺陷有关，并且是导致功能依赖和死亡率上升的主要原因 (2)。血管内治疗对 LVO 的影响是深远的，减少一名患者的残疾需要治疗的人数为 2.6 (3)。加快血栓切除术至关重要，因为从门诊到血运重建的时间每缩短 15 分钟，独立行走和功能结果的比率就会提高 (4)。因此，及时诊断 LVO 对于选择符合条件的患者以及在患者转诊和治疗方面提供更大的灵活性至关重要。急性卒中分诊的时间依赖性对于工作繁忙的放射科医生来说可能具有挑战性，但自动检测工具有望筛查并优先处理工作列表顶部的阳性 LVO 病例，从而使放射科医生能够首先诊断最需要时间的患者 (5)。用于自动检测 LVO 的商业软件越来越多地用于临床工作空间。一些工具基于传统的机器学习算法，而另一些工具则使用深度学习 (6、7)。RAPID LVO (RAPID 4.9、iSchemaView、加利福尼亚州门洛帕克) 是一种传统的机器学习模型，已证实的灵敏度和特异性分别为 97% 和 74% (6)。CINA LVO（Avicenna.ai，法国拉西奥塔）是一种深度学习模型，其灵敏度和特异性分别为 98.1% 和 98.2%（7）。尽管这些商业人工智能工具可用于 LVO 检测，但在现实环境中比较传统机器学习和深度学习解决方案的数据仍然不足。据我们所知，这是第一项在综合性卒中中心比较 LVO 工具的研究。本研究的具体目的是比较和验证 RAPID LVO 和 CINA LVO 在前循环卒中 LVO 检测中的表现，并描述每种方法的局限性。