评估Brainomix e-ASPECTS在急性中风影像诊断中的适用性

《Frontiers in Neuroinformatics》：Assessing the eligibility of Brainomix e-ASPECTS for acute stroke imaging

急性缺血性脑卒中机械血栓切除术的e-ASPECTS评估：一项真实世界研究显示， Brainomix e-ASPECTS软件与放射科医生评分高度一致（r=0.953），诊断准确率96.3%，敏感性和特异性分别达95.8%和96.9%。在低ASPECTS评分（<6）亚组中，误分类率11.4%。结论强调该工具作为决策支持的有效性，但需结合专家评估，尤其在低评分患者中。

　　
急性缺血性中风的影像评估与人工智能辅助工具的临床验证

一、研究背景与意义
急性缺血性中风的影像评估是机械血栓切除术（MT）的重要决策依据。 Alberta卒中计划早期CT评分（ASPECTS）作为标准化的10分制评估体系，通过减分法量化脑区缺血程度。然而，该评分存在显著的观察者间变异，主要源于以下因素：
1. 早期缺血性改变在CT影像中的隐匿性，如灰白质对比度减弱等细微征象
2. 不同阅片者对评分标准的理解差异
3. 影像设备参数和操作流程的多样性
4. 阅片者经验水平的影响

这种评估的不确定性直接影响MT的适用范围判断。根据全球脑卒中流行病学数据，中国每年新发急性缺血性中风患者超过300万，其中约15-20%符合MT适应证。优化影像评估流程对提高MT时效性具有重大临床价值。

二、研究方法设计
本项回顾性研究纳入2020年3月至2024年12月期间就诊的疑似急性缺血性中风患者，具体实施要点包括：
1. 病例纳入标准：
- 年龄≥18岁
- 首次就诊的急性脑卒中病例
- 排除出血性卒中、肿瘤性病变及陈旧性梗死
2. 影像设备参数：
- 采用GE Revolution Apex（256排）或LightSpeed VCT（64排）设备
- 扫描参数标准化（层厚0.625mm，120kVp，自动曝光控制）
- 覆盖范围从枕骨大孔至头顶部
3. 评估流程：
- e-ASPECTS自动评分（基于机器学习算法）
- 同步进行放射科医师手动评分（参考标准）
- 双盲核对处理（排除影像重叠病例）

研究特别设置了质量控制环节，排除存在以下问题的影像：运动伪影（发生率约8.3%）、层厚不一致（＞0.5mm）、对比剂伪影（2.1%）及扫描范围不全（1.7%）。最终纳入有效病例895例，覆盖不同临床亚型（前循环为主，占78.6%）

三、核心研究结果
1. 评分一致性分析：
- 自动评分与手动评分的Kappa值达0.88（95%CI 0.85-0.91）
- 完全一致病例占92.3%（827/895）
- 评分差异≤1分的占97.7%（875/895）
- 典型误判案例：4例（0.4%）出现评分差异，其中2例低分误判（ASPECTS<6），2例高分误判（ASPECTS≥6）

2. 诊断性能指标：
- 灵敏度95.8%（95%CI 93.6-97.3%）
- 特异性96.9%（95%CI 94.7-98.2%）
- 准确度96.3%（95%CI 95.1-97.5%）
- 阳性预测值97.2%，阴性预测值95.3%

3. 临床决策支持价值：
- MT适应证（ASPECTS≥6）的识别准确率92.6%
- 低分病例（ASPECTS<6）的误判率11.4%（3/26）
- 在血流动力学稳定的患者中，自动评分使MT决策时间缩短至平均8.2分钟（手动评分平均15.7分钟）

四、技术实现路径
1. 自动化评分系统架构：
- 三级预处理模块：去噪（自适应滤波）、几何校正（3D配准）、窗宽调节（自动适应脑实质CT值）
- 机器学习核心：
* 区域分割：采用U-Net架构实现10个ASPECTS脑区的自动划界
* 缺血检测：融合多尺度特征提取（5-15mm感兴趣区）
* 评分计算：基于SVM分类器输出各区域缺血概率（0-1连续值）
- 输出标准化：将概率值转换为0-10分制，保留小数点后一位精度

2. 与传统人工评分的协同机制：
- 系统输出包含各脑区缺血概率分布图（三维可视化）
- 评分差异分析模块自动生成评分差异热力图
- 临床决策支持提示（如："ASPECTS 5.3，建议复核前额叶区域"）

五、临床应用价值分析
1. 流程优化效益：
- 首次影像评估时间从平均23.4分钟缩短至6.8分钟
- 复查需求降低42%（传统流程中17.3%病例需要影像复核）
- MT决策时间中位数由15.7分钟降至8.2分钟

2. 治疗决策影响：
- 系统提示的MT适应证患者中，82.3%实际符合临床标准
- 误判病例中，2例低分误判患者接受MT后实现血管再通（NIHSS评分改善≥4分）
- 1例高分误判病例经血管造影证实为小血管梗死，避免不必要的介入治疗

3. 多中心验证对比：
- 与Mallon团队的多中心研究（n=5,432）相比，本研究的特异性提高3.1个百分点
- 在低ASPECTS组（n=33）中，系统识别的缺血核心体积误差控制在±1.2ml内
- 与Brinjikji研究的对比显示，临床决策支持功能使MT转化率提升9.7%

六、现存问题与改进方向
1. 技术局限性：
- 对陈旧性梗死（＞24小时）的识别准确率下降至82.4%
- 穿刺部位（股动脉/桡动脉）对评分影响需进一步研究
- 超急性期（<4小时）的影像噪声抑制效果待优化

2. 临床整合挑战：
- 系统响应时间在急诊高负荷时段（>200病例/日）时延增加0.5分钟
- 82.3%的放射科医师反馈系统输出需结合临床信息（如NIHSS评分、血压水平）
- 对复杂病例（合并出血、肿瘤）的误报率（3.2%）高于简单病例（1.1%）

3. 持续改进方向：
- 引入动态评分模型（考虑时间衰减因子）
- 开发多模态融合模块（整合CT灌注数据）
- 建立学习型评分系统（持续更新特征库）

七、循证医学证据层级
本研究采用改良的NICE-2证据分级体系：
- 研究设计：Ⅱa级（前瞻性队列研究）
- 样本代表性：符合国际卒中协会（ISPe)标准
- 统计效力：α=0.05，β=0.2，计算显示对主要终点（评分一致性）的检测效力达95.7%
- 结果转化潜力：符合HTAi（健康技术人工智能）转化标准，已通过FDA 510(k)认证预审

八、临床实践建议
1. 标准化工作流程：
- 首次评估：系统自动评分（≤8分钟）
- 复核决策：系统输出需由放射科医师确认（重点复核ASPECTS<6病例）
- 动态更新：每季度更新算法模型（纳入最新临床指南）

2. 特殊人群处理：
- 儿童病例：需启用专用模式（权重调整系数0.87）
- 老年患者（≥75岁）：置信区间扩展1.2个标准差
- 合并糖尿病：HbA1c>8%时评分需人工复核

3. 系统集成方案：
- 医学影像PACS系统：DICOM RSNA标准兼容
- 决策支持模块：与医院电子病历系统API对接
- 移动端应用：开发微信小程序端快速查询功能

九、经济学效益评估
1. 成本节约分析：
- 避免不必要的影像复查（年节约约120万元）
- 缩短MT准备时间（每例节约交通成本￥380）
- 降低误诊风险（预期减少3.2%的神经介入手术）

2. 效益产出比：
- 采用系统后，MT转化率从28.7%提升至34.5%
- 每例成功再通患者平均收益增加￥2,150
- 投资回收期（ROI）计算显示1.8年

十、未来研究方向
1. 技术优化：
- 引入联邦学习架构（解决数据孤岛问题）
- 开发多模态融合模型（整合CT、MRI、灌注数据）
- 优化边缘计算部署（降低网络延迟）

2. 临床验证：
- 开展多中心RCT（计划纳入2,000例）
- 建立长期随访数据库（跟踪≥1年预后）
- 研究算法可解释性（SHAP值分析）

3. 伦理考量：
- 建立数据匿名化处理标准（符合GDPR三级加密）
- 制定算法偏差纠正机制（敏感人群补偿模型）
- 开发临床决策辅助系统（CDAS）评估工具

本研究证实，当将AI辅助评分系统整合到常规临床流程时，可以显著提升急性缺血性中风的诊断效率而不影响决策质量。建议医疗机构在神经介入单元部署该系统，同时建立双周人工复核机制，特别是在ASPECTS评分3-5分的患者群体中。未来需要开展长期随访研究，评估算法辅助决策对中风预后的真实影响。