Akut İnme Kliniği ile acile başvuran ve beyin BT anjiyografi tetkiki ile değerlendirilen hastalarda büyük damar oklüzyonlarının yapay zeka algoritmaları aracılığıyla tanınması
Detection of large vessel occlusions using artificial intelligence algorithms in patients presenting to the Emergency Department with Acute Stroke symptoms and evaluated by brain CT angiography
- Tez No: 960509
- Danışmanlar: DOÇ. DR. MEHMET BARBUROĞLU
- Tez Türü: Tıpta Uzmanlık
- Konular: Radyoloji ve Nükleer Tıp, Radiology and Nuclear Medicine
- Anahtar Kelimeler: İnme, Büyük Damar oklüzyonu, LVO, Trombektomi, Beyin Bilgisayarlı Tomografi Anjiografi, BTA, Stroke, Large Vessel Occlusion, LVO, Thrombectomy, Brain Computed Tomography Angiography, CTA
- Yıl: 2025
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Radyoloji Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 65
Özet
GİRİŞ VE AMAÇ: Akut inme, tüm dünyada önemli bir morbidite ve mortalite nedenidir ve etkili bir tedavi için zamanla yarış gerektirir. Bu hastalarda en ciddi klinik tablolar, beyin damarlarının büyük segmentlerini etkileyen büyük damar oklüzyonları (large vessel occlusion - LVO) ile ilişkilidir. Büyük damar oklüzyonunun hızlı ve doğru bir şekilde tanınması, intravenöz trombolitik tedavi ve mekanik trombektomi gibi zamana duyarlı müdahalelerin etkin uygulanabilmesi ve böylece erken tanı-tedavi süreciyle daha iyi klinik sonuçların elde edilmesi açısından hayati öneme sahiptir. Beyin Bilgisayarlı Tomografi Anjiyografi (BT Anjiyografi, BTA), büyük damar oklüzyonlarının saptanmasında yaygın olarak kullanılan, hızlı ve acil koşullarda kolay erişilebilir bir görüntüleme yöntemidir. Ancak BTA görüntülerinin doğru şekilde yorumlanması, deneyimli nöroradyoloji uzmanlarının dikkatli analizini gerektirir. Her sağlık merkezinde bu alanda yetkin uzmanların bulunmaması ve uzman sayısının genel olarak yetersiz olması, doğru tanının konulmasında gecikmelere yol açabilmektedir. Yapay zeka uygulamaları, klinik karar süreçlerini destekleme yönünde önemli bir kapasiteye sahiptir. Bu çalışmada, akut inme kliniği ile acil servise başvuran ve beyin BT anjiyografi tetkiki ile değerlendirilen hastalarda CINA® LVO yapay zeka algoritmasının ön dolaşımdaki LVO'ları saptamadaki tanısal doğruluğu, segment bazlı analiz yöntemi kullanılarak araştırılmıştır. oklüzyonu (LVO) tespitindeki tanı performansı değerlendirilecektir. Altın standart referans değerlendirme, bir girişimsel nöroradyolog ile beşinci yılını tamamlamış bir radyoloji asistanı tarafından ortak olarak yapılmıştır. 3 MATERYAL VE METOD: İstanbul Üniversitesi İstanbul Tıp Fakültesi (İTF) Radyoloji Ana Bilim Dalı (ABD) Akademik Kurulu, İTF Klinik Araştırmalar Etik Kurulu (Tarih 13.06.2025 Karar no: 2025/3452692) ve Şişli Hamidiye Etfal Eğitim ve Araştırma Hastanesi Etik Kurulu'ndan (Tarih 06.05.2025 Başvuru no: E-79341859-000-275246410) çalışma öncesinde gerekli izinler alınmıştır. Gözlemsel tipteki çalışmamızda, 2018–2024 yılları arasında iki merkeze akut inme kliniğiyle başvuran ve BTA ile değerlendirilen hastaların görüntüleri hastane PACS sistemi üzerinden retrospektif olarak incelendi. Ön sirkülasyonda LVO saptanarak mekanik trombektomiye yönlendirilen ardışık 459 hasta ve aynı dönemde baş ağrısı, travma, geçici nörolojik defisit gibi semptomlar nedeniyle BTA yapılan ve LVO saptanmayan 486 hasta çalışmaya dahil edildi. LVO varlığı/yokluğu ve oklüzyonun lokalizasyonu (distal ICA I-tip, distal ICA T-tip, MCA M1, proksimal MCA M2) girişimsel nöroradyolog değerlendirmesi referans standart alınarak belirlendi. BTA görüntüleri CINA® LVO yazılımı ile analiz edildi ve yazılımın tanısal performansı segment bazında referans standart ile karşılaştırıldı. Her iki gruba ait BTA görüntüleri, derin öğrenme temelli gelişmiş bir yapay zeka algoritması olan CINA® LVO yazılımı ile analiz edilmiştir. Yazılımın tanısal performansı ön dolaşımdaki serebral arter segmentleri baz alınarak; doğruluk, duyarlılık ve özgüllük açısından, uzman değerlendirmeleri referans alınarak karşılaştırmalı şekilde değerlendirilmiştir. BULGULAR: LVO pozitif 459 hastanın sekizinde, algoritmanın değerlendirme kapsamına giren ikinci bir LVO odağı saptandığından, toplam 467 LVO üzerinden analiz gerçekleştirildi. Ön dolaşıma ait dört serebral arter segmentinin (T-tip ICA, I-tip ICA, MCA M1, proksimal MCA M2) her iki hemisferdeki toplamı olan 7.560 vasküler segment incelendi. Genel segment bazlı analizde algoritma %82,9 duyarlılık, %99,0 özgüllük ve %98,0 doğruluk gösterdi. Segment bazlı duyarlılık T-tip ICA'da %95,1, MCA M1'de %92,9, proksimal MCA M2'de %43,2 ve I-tip ICA'da %13,3 olarak hesaplandı. En sık hata türü, gerçek oklüzyon bulunan segmentin atlanarak yanlış negatif sonuç üretilmesiydi. Yanlış pozitif oranı ise düşüktü (%1). Görüntüleme kesit kalınlığı veya cihaz markası gibi teknik faktörlerin tanısal performans üzerinde anlamlı etkisi saptanmadı (p>0,05). 4 SONUÇ: CINA® LVO yazılımının anterior dolaşım LVO'larını saptamada yüksek özgüllük ve doğruluk sunmaktadır; ancak duyarlılık, oklüzyonun anatomik lokalizasyonuna bağlı olarak anlamlı farklılıklar göstermektedir. T-tip ICA ve MCA M1 oklüzyonlarında yüksek tanısal başarı elde edilirken; I-tip ICA ve proksimal M2 segmentlerinde duyarlılık belirgin şekilde düşüktür. Yazılımın, bu segmentler ile mekanik trombektomi endikasyonu bulunan distal M2 ve posterior dolaşım oklüzyonları gibi anatomik bölgeleri de kapsayacak şekilde geliştirilmesi, nöroakut değerlendirmede karar destek potansiyelini artırabilir.
Özet (Çeviri)
INTRODUCTION AND AIM: Acute stroke is a major cause of morbidity and mortality worldwide and requires a race against time for effective treatment. The most severe clinical presentations in these patients are associated with large vessel occlusions (LVOs) affecting major segments of the cerebral vasculature. Rapid and accurate identification of LVO is of vital importance for the timely and effective implementation of time-sensitive interventions such as intravenous thrombolytic therapy and mechanical thrombectomy, thereby enabling better clinical outcomes through early diagnosis and treatment. Brain Computed Tomography Angiography (CT Angiography, CTA) is a widely used, fast, and readily accessible imaging modality for detecting large vessel occlusions in emergency 5 settings. However, accurate interpretation of CTA images requires the careful analysis of experienced neuroradiologists. The lack of adequately trained specialists in this field in every healthcare center, as well as the general shortage of experts, may cause delays in accurate diagnosis. Artificial intelligence applications have significant potential to support clinical decision-making processes. In this study, we investigated the diagnostic accuracy of the CINA® LVO artificial intelligence algorithm in detecting anterior circulation LVOs in patients presenting to the emergency department with acute stroke symptoms and evaluated with brain CTA, using a segment-based analysis method. The gold standard reference assessment was performed jointly by an interventional neuroradiologist and a fifth-year radiology resident. MATERIALS AND METHODS: The necessary approvals for the study were obtained in advance from the Academic Board of the Department of Radiology at Istanbul University Istanbul Faculty of Medicine (IFM), the IFM Clinical Research Ethics Committee (Date: 13.06.2025, Decision No: 2025/3452692), and the Ethics Committee of Şişli Hamidiye Etfal Training and Research Hospital (Date: 06.05.2025, Application No: E-79341859-000-275246410). In this observational study, the images of patients presenting with acute stroke symptoms to two centers between 2018 and 2024 and evaluated with CTA were retrospectively reviewed via the hospital PACS system. A total of 459 consecutive patients with LVO detected in the anterior circulation who were referred for mechanical thrombectomy, and 486 patients who underwent CTA during the same period due to symptoms such as headache, trauma, or transient neurological deficit but without evidence of LVO, were included in the study. The presence/absence of LVO and the location of the occlusion (distal ICA I-type, distal ICA T-type, MCA M1, proximal MCA M2) were determined based on the reference standard evaluation by an interventional neuroradiologist. CTA images were analyzed using the CINA® LVO software, and the diagnostic performance of the software was compared with the reference standard on a segment basis. Both patient groups' CTA images were analyzed with the CINA® LVO software, an advanced deep learning-based AI algorithm. The software's diagnostic performance in anterior circulation cerebral artery segments was compared to expert evaluations in terms of accuracy, sensitivity, and specificity. 6 RESULTS: In eight of the 459 LVO-positive patients, a second LVO focus within the algorithm's scope was detected, resulting in a total of 467 LVOs analyzed. A total of 7,560 vascular segments from both hemispheres, covering the four anterior circulation cerebral artery segments (T-type ICA, I-type ICA, MCA M1, proximal MCA M2), were examined. Overall segment-based analysis showed that the algorithm had a sensitivity of 82.9%, specificity of 99.0%, and accuracy of 98.0%. Segment-based sensitivity was calculated as 95.1% for T-type ICA, 92.9% for MCA M1, 43.2% for proximal MCA M2, and 13.3% for I- type ICA. The most common error was false negatives, where a true occlusion segment was missed. The false positive rate was low (1%). Technical factors such as imaging slice thickness or CT scanner brand did not have a significant impact on diagnostic performance (p>0.05). CONCLUSION: The CINA® LVO software demonstrates high specificity and accuracy in detecting anterior circulation LVOs; however, sensitivity varies significantly depending on the anatomical location of the occlusion. High diagnostic performance was achieved for T-type ICA and MCA M1 occlusions, whereas sensitivity was markedly lower for I-type ICA and proximal M2 segments. Expanding the algorithm to include these segments as well as distal M2 and posterior circulation occlusions, which may also indicate mechanical thrombectomy, could enhance its decision-support potential in neuroacute evaluation.
Benzer Tezler
- Erken dönem akut iskemik serebrovasküler hastalık tespitinde bilgisayarlı tomografi ile optik sinir kılıf çapının değerlendirilmesi
Evaluation of optic nerve sheath diameter on computerized tomography for determination of early term ischemic cerebrovascular disease
YAVUZ SELİM DİVRİKLİOĞLU
Tıpta Uzmanlık
Türkçe
2019
İlk ve Acil YardımSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ YAVUZ YİĞİT
- İskemik inme hastalarının erken radyolojik işaret ve bulgu saptanmayan kontrastsız kranial bilgisayarlı tomografi görüntülerinin karşı taraf normal beyin parankimi ile 'Radiomics' parametreleri üzerinden karşılaştırılması
Comparison of non-contrasted cranial computerized tomographic images with no early radiological signs and findings of ischemic stroke patients and the counterpart normal brain parenchyma over 'Radiomics' parameters
TÖREHAN ÖZER
Tıpta Uzmanlık
Türkçe
2019
Radyoloji ve Nükleer TıpKocaeli ÜniversitesiRadyoloji Ana Bilim Dalı
PROF. YONCA ANIK
- Hemorajik inme geçiren hastalarda poststroke epilepsi gelişiminde rol oynayan faktörler
Factors playing A role in the development of poststroke epilepsy in patients with hemoragic stroke
CELAL İLKER BAŞARIR
Tıpta Uzmanlık
Türkçe
2022
NörolojiSağlık Bilimleri ÜniversitesiNöroloji Ana Bilim Dalı
DOÇ. DR. GENÇER GENÇ
- Akut iskemik inme vakalarında tenascin-c parametresi düzeyinin değerlendirilmesi
Evaluation of tenascin-C parameter level in acute ischemic stroke cases
MURAT ÇELİK
Tıpta Uzmanlık
Türkçe
2021
İlk ve Acil YardımSağlık Bilimleri ÜniversitesiAcil Tıp Ana Bilim Dalı
DR. ÖĞR. ÜYESİ OĞUZHAN BOL
- Akut iskemik inmede frontal qrs-t açısının değelendirmesi
Evaluation of frontal qrs-t angle in acute ischemic stroke
UMUT ARDA
Tıpta Uzmanlık
Türkçe
2024
Acil TıpSağlık Bilimleri ÜniversitesiAcil Servis Ana Bilim Dalı
DOÇ. DR. SERDAR ÖZDEMİR