Vigilância de rede de aprendizado profundo baseada em alvos da tomografia computadorizada sem contraste para núcleo de infarto pequeno de acidente vascular cerebral isquêmico agudo

Objetivo O diagnóstico rápido do acidente vascular cerebral isquêmico agudo (AVCI) é crítico para alcançar resultados e prognósticos positivos. Este estudo teve como objetivo construir um modelo para identificar automaticamente o núcleo do infarto com base em imagens de TC sem contraste, especialmente para infartos pequenos. Métodos As tomografias computadorizadas de base dos pacientes com AVCI, que tiveram varreduras de DWI obtidas com menos de 2 horas de diferença, foram incluídas neste estudo retrospectivo. Um modelo de aprendizado profundo baseado em alvos modificado do YOLOv5 foi desenvolvido para detectar infartos na TC. Imagens de TC selecionadas aleatoriamente foram usadas para teste e avaliadas por neurorradiologistas e pelo modelo, utilizando o DWI como padrão de referência. O coeficiente de correlação intraclasse (ICC) e o kappa ponderado foram calculados para avaliar a concordância. O teste de qui-quadrado pareado foi utilizado para comparar a eficácia diagnóstica dos grupos de médicos e modelos automatizados em sub-regiões. p < 0.05 foi considerado estatisticamente significativo. Resultados Quinhentos e oitenta e quatro pacientes com AVCI foram recrutados no total, e finalmente 275 casos foram elegíveis. O YOLOv5 modificado apresentou melhor desempenho com maior precisão (0,82), recall (0,81) e precisão média (0,79) do que o YOLOv5 original. O modelo mostrou maior consistência em relação aos escores DWI-ASPECTS (ICC = 0,669, κ = 0,447) do que os neurorradiologistas (ICC = 0,452, κ = 0,247). A sensibilidade (75,86% vs. 63,79%), especificidade (98,87% vs. 95,02%) e precisão (96,20% vs. 91,40%) foram melhores do que as de neurorradiologistas. O modelo automático teve melhor eficácia diagnóstica do que o diagnóstico médico na região M6 (p = 0,039). Conclusão O modelo de aprendizado profundo foi capaz de detectar núcleos de infarto pequenos nas imagens de TC com mais precisão. Ele forneceu a porção e extensão do infarto, o que é valioso na avaliação da gravidade da doença e na condução de procedimentos de tratamento.