【精选编译】大中型血管闭塞检测中自动算法的性能：真实世界的经验

本次「精选编译」由哈尔滨医科大学附属第一医院史怀璋教授团队邵将医师编译，为大家带来《大中型血管闭塞检测中自动算法的性能：真实世界的经验》，欢迎大家阅读分享！

美国辛辛那提大学医学中心放射科Aakanksha Sriwastwa等研究者对识别大中型血管闭塞卒中患者的全自动商业检测算法性能进行了研究，结果于2024年9月在线发表在《American Journal of Neuroradiology》杂志上。

——摘自文章章节

【REF: Aakanksha Sriwastwa, et al. AJNR Am J Neuroradiol. 2025 Mar 4;46(3):476-482. doi: 10.3174/ajnr.A8509】

研究背景

快速、准确地检测大血管（large vessel occlusion, LVO）和中等血管闭塞（medium vessel occlusion, MeVO）对于急性缺血性卒中的分类和管理至关重要。市面上有多种基于人工智能的软件产品。然而，在扩大机械血栓切除术适应症的情况下，它们在检测血管闭塞方面的优势和局限性还不完全清楚。美国辛辛那提大学医学中心放射科Aakanksha Sriwastwa等研究者对识别大中型血管闭塞卒中患者的全自动商业检测算法性能进行了研究，结果于2024年9月在线发表在《American Journal of Neuroradiology》杂志上。

研究方法

2020年3月至2023年2月期间研究者在综合卒中中心使用了一个单一中心、机构性、回顾性患者连续编码的登记，该登记中所有患者都进行了的CTA检查并且数据经过Viz.ai自动处理。LVO分为前循环LVO（anterior LVO, aLVO）和后循环LVO（posterior LVO, pLVO），前者定义为颈内动脉内动脉或M1大脑中动脉（MCA）闭塞，后者定义为基底动脉或V4段椎动脉闭塞。MeVO定义为M2-MCA、A1/A2-ACA或P1/P2-PCA的闭塞。12名委员会认证过的放射科医生报告结果作为结果判定金标准。使用STARD指南分析自动算法的性能。主要结果（primary outcome）是软件对前循环LVO（aLVO）判断的准确性，次要结果（secondary outcome）是软件检测三个额外类别的准确性：所有LVO（aLVO和pLVO）、aLVO和M2-MCA、aLVO和MeVO。

研究结果

3590例卒中患者中，3576例技术上满足通过自动化软件进行分析（中位年龄67岁；51%女性；68%白人），其中616例（17.2%）有血管闭塞。所有四个预先指定类别的灵敏度和特异度分别为：aLVO: 91% （87-94%）、93% （92-94%），所有LVO: 73% （68-77%）、92% （91-93%），aLVO和M2-MCA: 74% （70-78%）、93% （92-94%），aLVO和MeVO: 65% （61-69%）、93% （92-94%）。

图1. 研究流程图。

图2. 自动化血管闭塞检测。

图3. 使用自动AI算法导致的假阴性代表性案例。

图4. 使用自动AI算法导致的假阳性代表性案例。

表1. 人口资料。

表2. 自动化AI工具性能的准确度。

表3. 对AI工具未检出的血管闭塞的描述性分析。