Software Baseado em Aprendizado Profundo para Identificar Oclusão de Grandes Vasos na Tomografia Computadorizada sem Contraste

FUNDAMENTO E OBJETIVO: O reconhecimento confiável da oclusão de grandes vasos (LVO) na tomografia computadorizada sem contraste (NCCT) pode acelerar a identificação de candidatos a tratamento endovascular. Nosso objetivo é validar um algoritmo de aprendizado de máquina (MethinksLVO) para identificar LVO na NCCT. MÉTODOS: Pacientes com suspeita de acidente vascular cerebral agudo que se submeteram à NCCT e à angiografia por tomografia computadorizada (CTA) foram incluídos. A detecção de LVO pelo software (MethinksLVO) na NCCT foi testada em comparação com as leituras de CTA de 2 radiologistas experientes (NR-CTA). Utilizamos um algoritmo de aprendizado profundo para identificar sinais de coágulo na NCCT. A saída de imagem do software treinou um classificador binário para determinar LVO na NCCT. Estudamos a precisão do software ao adicionar a Escala de AVC dos Institutos Nacionais de Saúde e o tempo desde o início ao modelo (MethinksLVO+). RESULTADOS: Dos 1453 pacientes, 823 (57%) tinham LVO pelo NR-CTA. A área sob a curva para a identificação de LVO com MethinksLVO foi 0,87 (sensibilidade: 83%, especificidade: 71%, valor preditivo positivo: 79%, valor preditivo negativo: 76%) e melhorou para 0,91 com MethinksLVO+ (sensibilidade: 83%, especificidade: 85%, valor preditivo positivo: 88%, valor preditivo negativo: 79%). CONCLUSÕES: Em pacientes com suspeita de acidente vascular cerebral agudo, o software MethinksLVO pode prever LVO de forma rápida e confiável. MethinksLVO poderia reduzir a necessidade de realizar CTA, gerar alarmes e aumentar a eficiência das transferências de pacientes em redes de AVC.