UTHealth 休斯顿的一项新研究表明，在常规临床护理中，需要注意的大小和位置的未破裂脑动脉瘤可能经常被遗漏，但机器学习算法可以最大限度地减少错过的护理机会 。
该 研究今天发表在 《中风：血管和介入神经病学》杂志上，由UTHealth 休斯顿麦戈文医学院神经病学系副教授、资深作者Sunil A. Sheth医学博士以及共同第一作者 Hyun Woo Kim领导。 医学博士，UTHealth 休斯顿血管和介入神经病学研究员，Anjan Nagesh Ballekere，理学硕士，神经病学系研究协调员。
每年大约有 30,000 名生活在的人经历动脉瘤破裂。未破裂脑动脉瘤的估计患病率为 3.2%。目前，许多动脉瘤是在脑成像中偶然发现的，通常是出于不相关的原因进行的，并且获得准确的计数仍然具有挑战性。
“我们已经看到机器学习可以给患有急性中风的患者带来巨大的好处，”谢思说，他也是麦戈文医学院血管神经学项目的主任。“在这项研究中，我们看到了类似的可能性，可以大大改善我们识别、咨询和帮助脑动脉瘤患者的方式。”
该团队研究了一个前瞻性维护的注册表，其中包括八个经过认证的中风中心。他们确定了在 2021 年 3 月 14 日至 2021 年 11 月 31 日期间接受计算机断层扫描 (CT) 血管造影以评估可能中风的患者。一种名为 Viz Aneurysm 的机器学习算法分析成像，以识别大小至少 4 毫米的未破裂脑动脉瘤。
在研究期间进行的 1,191 次 CT 血管造影中，机器学习算法将 50 次标记为可能显示未破裂的脑动脉瘤。其中，从 31 张 CT 血管造影中发现 36 个真性动脉瘤，其中 4 例为多发性动脉瘤。
36 个动脉瘤中有 24 个 (67%) 之前未进行随访，中位尺寸为 4.4 毫米。其中，5 个动脉瘤的直径大于 7 毫米，五年内平均破裂风险为 2.4%。换句话说，只有 33% 的未破裂脑动脉瘤(其中许多需要关注并可能需要治疗)最初被转诊进行常规临床护理随访。
“在 Viz Aneurysm 之前，未破裂脑动脉瘤的转诊率明显低于我们的预期，”Kim 说。“我们相信，机器学习算法筛选并提醒临床医生可能存在脑动脉瘤的研究可以提高检测率和随访率。”
总体而言，动脉瘤最常见的位置包括颈内动脉(46%)。
研究人员表示，机器学习算法有潜力通过标记疑似动脉瘤的 CT 血管造影来提高对未破裂脑动脉瘤的识别，并在同一应用程序中协调整个护理团队的潜在后续行动和转诊和沟通选项。
“我们希望继续并改进这项工作，以使患者受益，”巴勒克雷说。“实施后，这将有助于提高急性中风患者的护理质量。”
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 55@qq.com 举报，一经查实，本站将立刻删除。转转请注明出处：https://www.szhjjp.com/n/640076.html
