Resumen
Objetivos
El puntaje ASPECTS (Alberta Stroke Program Early CT Score), un método sistemático para evaluar cambios isquémicos en accidentes cerebrovasculares isquémicos agudos utilizando tomografía computarizada sin contraste (NCCT), a menudo se interpreta basándose en la experiencia de expertos, lo que puede generar variabilidad entre lectores. Este estudio tuvo como objetivo desarrollar un sistema automático de ASPECTS clínicamente aplicable utilizando aprendizaje profundo (DL).
Métodos
Este estudio incluyó 1987 exploraciones NCCT recopiladas retrospectivamente de cuatro centros entre enero de 2017 y octubre de 2021. Se entrenó un sistema basado en DL para la evaluación automatizada de ASPECTS en una cohorte de desarrollo (N = 1767) y se validó en una cohorte de prueba independiente (N = 220). El consenso de médicos experimentados se consideró el estándar de referencia. Se evaluaron la validez y confiabilidad del sistema propuesto en comparación con las lecturas de los médicos. Además, se realizó un estudio prospectivo en contextos clínicos reales con 13,399 pacientes para validar el sistema en aplicaciones clínicas.
Resultados
El sistema basado en DL alcanzó un área bajo la curva ROC (AUC) del 84.97% y un coeficiente de correlación intraclase (ICC) de 0.84 en el análisis global de la cohorte de prueba. La sensibilidad diagnóstica del sistema fue del 94.61% para pacientes con un ASPECTS dicotomizado con un umbral de ≥ 6, mostrando un acuerdo sustancial (ICC = 0.65) con las evaluaciones de expertos. La combinación del sistema con los médicos mejoró el AUC del 67.43% al 89.76%, reduciendo el tiempo de diagnóstico de 130.6 ± 66.3 segundos a 33.3 ± 8.3 segundos (p < 0.001). Durante su aplicación en contextos clínicos, el 94.0% (12,591) de los estudios procesados con éxito por el sistema fueron utilizados por los médicos, y el 96% de ellos reconoció una mejora significativa en la eficiencia laboral.
Conclusión
El sistema basado en DL propuesto puede determinar ASPECTS de manera precisa y rápida, lo que podría facilitar el flujo de trabajo clínico para la intervención temprana.
Declaración de relevancia clínica
El sistema automatizado de evaluación de ASPECTS basado en aprendizaje profundo puede determinar ASPECTS con precisión y rapidez para intervenciones tempranas en los flujos de trabajo clínicos, reduciendo el tiempo de procesamiento para los médicos en un 74.8%, aunque aún requiere validación por parte de los médicos en aplicaciones clínicas.
Puntos clave
- El sistema basado en aprendizaje profundo para la cuantificación de ASPECTS ha demostrado no ser inferior al ASPECTS evaluado por expertos.
- Este sistema mejoró la consistencia de la evaluación de ASPECTS y redujo el tiempo de procesamiento a 33.3 segundos por estudio.
- El 94.0% de los estudios procesados con éxito por el sistema fueron utilizados por médicos durante su aplicación prospectiva en contextos clínicos.