RAPID CTA与JLK LVO检测大血管闭塞的性能与常见陷阱的实用性比较
该回顾性研究在韩国单中心纳入176例疑似卒中患者,以神经放射科专家共识为参考标准,比较RAPID CTA与JLK LVO自动检测前循环大血管闭塞的性能。两工具AUROC均为0.93(p=0.64),预设阈值下敏感度均为0.83,JLK LVO特异度高于RAPID CTA(0.96 vs 0.89)。误判主因为高位颅内狭窄模拟闭塞(假阳性)及远端闭塞伴丰富侧支循环掩盖血管截断(假阴性)。
要点
- 两工具AUROC均为0.93,预设阈值下敏感度均为0.83,JLK LVO特异度0.96高于RAPID CTA的0.89。
- 假阳性最常见原因为高位颅内狭窄模拟闭塞,假阴性主要为远端闭塞伴丰富侧支循环掩盖血管截断。
- M2段闭塞敏感度低:JLK LVO为0.30,RAPID CTA为0.40。
核心结论
- RAPID CTA与JLK LVO均为有效的大血管闭塞检测工具,但两者存在不同的性能权衡,理解各自常见陷阱对临床整合AI结果至关重要。
研究设计与样本
- 回顾性分析2024年6月至2025年2月首尔大学盆唐医院连续176例疑似急性缺血性卒中成人患者,均行CTA和CTP。
- 以两名独立神经放射科专家(各15年经验)共识诊断为参考标准,比较RAPID CTA(version 5.0(g))与JLK LVO(version 3.2.0.3)性能。
- 使用单台Brilliance iCT 256扫描仪行NCCT、CTP及3期mCTA,仅取mCTA第一期行动脉峰值期自动分析。
- 前循环LVO定义为颅内ICA(岩段至终末段或ICA合并MCA闭塞)及MCA M1或M2段对比剂充盈锐利截断。
关键影像表现/征象
- 假阳性最常见原因为高位颅内狭窄模拟闭塞;假阴性主要因远端闭塞伴丰富侧支循环使血管密度看似保留而掩盖血管截断。
- RAPID CTA共13例假阳性(LVO模拟5例占38.5%、技术陷阱3例占23.1%、未分类5例占38.5%),JLK LVO共5例假阳性(技术陷阱3例占60.0%)。
- 两工具各9例假阴性,其中6例重叠;55.6%(各5/9)的假阴性由闭塞信号不足合并误导性通畅信号所致,常见于小或节段性闭塞伴良好侧支。
诊断标准与关键数值
- RAPID CTA以半球血管密度较对侧减少≥60%定义为LVO阳性(对应45–60%或0–45%类别)。
- JLK LVO以概率阈值≥0.5为阳性,输出0至1的连续概率评分。
- 预设阈值下两工具敏感度均为0.83;JLK LVO特异度0.96、PPV 0.90、NPV 0.93、准确率0.92;RAPID CTA特异度0.89、PPV 0.77、NPV 0.93、准确率0.88。
- 按部位敏感度:ICA闭塞两者均为0.92;M1段JLK LVO 1.00、RAPID CTA 0.94;M2段JLK LVO 0.30、RAPID CTA 0.40。
临床应用与阅片要点
- 作者认为,在已知颅内动脉粥样硬化性疾病的患者中,AI阳性结果应谨慎解读,需考虑假阳性风险升高。
- 作者指出,高敏感度设置下JLK LVO特异度更高,可能减少假阳性触发的下游干预,但最佳阈值选择须结合具体临床目标和工作流程。
局限性
- 原文未报告局限性。
全文中译18 节 · 点击展开
引言
大血管闭塞(LVO)是急性缺血性卒中患者严重神经功能缺损和不良预后的主要原因[1]。因此,快速检测LVO并及时进行再灌注治疗对患者的功能恢复至关重要[2, 3]。随着临床试验成功扩大了治疗时间窗,现在有更多患者符合这些干预措施的适应症[4, 5]。这给急诊环境中的医疗专业人员带来了日益增长的负担,要求他们以极高的速度和准确性快速诊断LVO。在紧急情况下或无法立即获得放射科专家会诊的医院中,这一挑战更为突出,此时作为标准诊断工具的计算机断层扫描血管造影(CTA)必须被快速且准确地解读。
人工智能(AI)已成为解决这一诊断挑战的有前景的方案,目前已有多种商业软件工具可用于CTA扫描上的自动LVO检测[6]。然而,这些AI工具在受控环境中的性能可能无法直接转化为常规临床实践中的表现。诊断准确性可能受到疾病患病率和特定患者人群等变量的影响,这引发了对其研究结果可推广性的担忧[7]。此外,能够为临床医生提供有价值信息的商业软件工具之间的直接头对头比较研究十分匮乏[8, 9]。而且,此类研究在亚洲人群中尤为罕见,因为亚洲人群中LVO的病因可能与西方人群不同[10]。
任何AI诊断工具要在临床实践中获得信任,其准确性必须与对其错误的清晰理解相结合来考量[11]。在LVO检测中,诊断错误可能导致毁灭性的患者结局,因此对此类病例进行详细分析至关重要。提供这一水平的分析对于建立临床信心、确保AI工具的安全有效使用具有基础性意义。
本研究旨在通过两种商业LVO检测软件产品——RAPID CTA(RapidAI,美国加利福尼亚州门洛帕克)和JLK LVO(JLK公司,韩国首尔)——的直接头对头比较来解决这些问题。我们使用连续就诊于单一三级卒中中心急诊科的所有患者(包括卒中和非卒中病例)的CTA图像对这些工具进行了评估。除了比较整体性能外,我们还对每种软件的假阳性(FP)和假阴性(FN)病例进行了详细分析。通过这一评估,我们旨在为临床医生提供实用见解,以更好地指导他们使用这些新兴AI技术。
方法
支持本研究结果的数据可应合格研究者的合理请求向通讯作者获取,但须遵守隐私和伦理限制。本研究按照诊断准确性研究报告标准(STARD)进行。
研究人群
从2024年6月至2025年2月,我们连续纳入了年龄18岁及以上、因疑似急性缺血性卒中的急性神经系统症状就诊于首尔大学盆唐医院急诊科、并在初始诊断评估中同时接受CTA和CT灌注(CTP)检查的成年患者。纳入诊断为急性缺血性卒中(包括伴和不伴LVO)的患者以及非卒中患者(例如,诊断为卒中模拟病或不涉及急性卒中的其他神经系统疾病)。如果患者的CTA图像因技术原因或存在严重运动伪影而无法被软件成功处理或分析,则排除该患者。研究方案经首尔大学盆唐医院机构审查委员会批准(编号B-2507-987-107),并豁免书面知情同意。
数据收集
对于所有纳入患者,无论其最终诊断如何,均收集人口学信息,包括年龄和性别,以及最终诊断(卒中或非卒中)。对于诊断为卒中的患者,收集更详细的临床数据,包括病史和合并症、到达急诊科时的美国国立卫生研究院卒中量表(NIHSS)评分,以及关键时间指标,包括症状发作时间和CTA采集时间。
所有CTA和CTP检查均使用单台专用CT扫描仪(Brilliance iCT 256,Philips Healthcare,Best,荷兰)完成。在我们机构,疑似伴LVO的急性缺血性卒中的标准方案包括初始平扫CT(NCCT),随后进行CTP和3期多时相CTA(mCTA)。NCCT参数为管电压120 kVp、管电流250 mAs(CTDIvol:33.4 mGy)、探测器准直64 × 0.625 mm。CTP以80 kVp、150 mAs(CTDIvol:7.4 mGy)和64 × 1.25 mm采集,mCTA以80 kVp、170 mAs(CTDIvol:7.3 mGy)和128 × 0.625 mm采集。
使用自动动力注射器经右侧肘前静脉以4–5 mL/s的速率注射总计95 mL碘美普尔400(Iomeron®;Bracco,Milan,意大利)(CTP用50 mL,mCTA用45 mL),随后分别以30 mL和50 mL生理盐水冲管。降主动脉内的自动团注跟踪以130 HU触发CTP。对于随后的mCTA,使用180 HU阈值以考虑前序CTP期残留的对比剂。第一期mCTA覆盖从隆突水平到头顶,第二期和第三期覆盖从C2到头顶。所有图像均传输至医院内安装的各软件服务器进行处理,结果返回并保存至图像归档和通信系统(PACS)。
LVO评估与参考标准建立
LVO存在及精确位置的参考标准由两名独立的委员会认证神经放射学家(L.S.和S.H.B.,各具有15年经验)通过共识诊断建立,二人对两种软件工具生成的结果均设盲。阅片者使用薄层源图像、最大强度投影(MIP)和厚层MIP图像进行全面审阅。在诊断不明确的情况下,以薄层源图像作为识别血管内连续性的确定性参考。
为提高诊断精度,尤其是对于远端闭塞(例如大脑中动脉(MCA)M2段),审阅者使用了由JLK CTP(JLK公司)生成的CTP图。通过识别相应的供血区低灌注——特别是Tmax > 6 s且CBF < 30%的区域——来确认闭塞。该区域分布特征有助于将真性闭塞与由良好侧支循环支持的缓慢充盈血管相鉴别,尤其是当灌注缺损显示为部分MCA供血区受累且基底节区保留时,此为M2闭塞的特征。
大血管闭塞(LVO)定义为CTA上前循环对比剂充盈的锐利截断,包括颅内颈内动脉(ICA)(即从岩段至终末ICA或ICA合并大脑中动脉(MCA)闭塞),以及MCA(M1或M2段)。其他动脉闭塞被排除,因其不属于所评估软件工具的预期诊断范围。
软件分析
CTA图像数据集由两个商业软件平台独立处理:RAPID CTA(版本5.0(g))和JLK LVO(版本3.2.0.3)。为与软件的预期用途保持一致,仅使用mCTA的第一期——代表动脉充盈峰值——供RAPID CTA和JLK LVO两者进行自动分析。
RAPID CTA采用基于规则的算法,通过比较两侧大脑半球的血管密度和对比剂充盈来识别LVO。其输出以与对侧相比血管密度减少的百分比呈现,分为离散区间:0–45%、45–60%、60–75%、75–80%和正常。
JLK LVO是一种基于深度学习的工具,基于2,045例患者的多中心数据集开发[12]。该算法架构由三个核心组件组成:自动MIP图像生成、使用带Inception模块的2D U-Net进行血管分割,以及通过EfficientNetV2进行闭塞分类。其性能已在多项验证研究中确立,显示出高达0.94至0.97的高AUC值[13, 14]。该工具生成一个概率评分(范围0至1),指示LVO存在的可能性,评分越高表示闭塞可能性越大。
诊断性能评估
每种软件的诊断性能均以专家裁定的参考标准为基准进行评估。鉴于JLK LVO提供连续概率评分而RAPID CTA提供分类结果,我们计算了受试者工作特征曲线下面积(AUROC)作为比较两种软件工具整体判别能力的主要指标。为更详细地评估临床实用性,次要诊断性能指标包括灵敏度、特异度、阳性预测值(PPV)、阴性预测值(NPV)和总体准确率。对于JLK LVO,我们使用预设概率阈值0.5将输出二分类化,概率值≥ 0.5视为LVO阳性。对于RAPID CTA,LVO定义为半球不对称导致对比剂充盈血管总体积(即血管密度)较对侧减少60%或以上,对应于45–60%或0–45%的分类[9]。该阈值选择基于既往文献,一项纳入大脑中动脉M2段的大规模验证研究显示该截断值下诊断性能最佳(Youden指数最大值位于分类2;衰减减少45–60%)[15]。
为进一步探讨阈值选择对诊断的影响,我们进行了匹配灵敏度分析。由于RAPID CTA提供有序分类输出,我们计算了各可能阈值水平(如0–45%、0–60%、0–75%)下的灵敏度。随后确定达到相同灵敏度的JLK LVO概率阈值,并比较两种软件平台相应的特异度。这使我们能够评估固定灵敏度水平下特异度的权衡,为不同风险耐受场景下的决策提供有临床意义的见解。
为按闭塞位置分析灵敏度,病例根据最近端病变部位进行分类:颅内ICA、M1段或MCA M2段。基于此标准,涉及颅内ICA成分的多血管闭塞归入ICA组。该分层分析旨在评估各工具检测近端(ICA和MCA M1)和远端(MCA M2)LVO的稳健性,并识别诊断性能中位置相关的局限性。
假阳性和假阴性分析
对每种软件的FP和FN病例进行了详细的定性和定量分析。一位经验丰富的神经放射科医师(L.S.)审查了这些病例以识别常见的潜在原因。
统计分析
数据根据情况以中位数(四分位距)或频数(百分比)表示。我们计算了诊断性能指标(灵敏度、特异度、PPV、NPV、准确率、AUROC)及其95%置信区间。两种软件工具的AUROC使用DeLong检验进行比较。McNemar检验用于比较RAPID CTA与JLK LVO之间的配对灵敏度和特异度。所有统计分析使用R统计软件(版本4.4.3;R Foundation for Statistical Computing,维也纳,奥地利)进行。双侧p值小于0.05视为具有统计学显著性。
结果
研究人群特征
在2024年6月至2025年2月的研究期间,共纳入176例患者。经审查,没有患者符合排除标准,最终纳入176例患者进行分析。研究人群的中位年龄为71岁(四分位距,59–81),60.8%为男性。在纳入的患者中,118例(67%)最终诊断为急性缺血性卒中,13例(7.4%)诊断为短暂性脑缺血发作(表1)。53例患者(30.1%)证实存在大血管闭塞(LVO)。从症状发作到CTA采集的中位时间为3.12小时(IQR,1.60–7.16)。对于卒中患者,入院时NIHSS评分中位数为11(IQR,5–18.25)。在53例LVO病例中,19例为孤立性ICA闭塞,18例为孤立性M1段闭塞,11例为孤立性M2段闭塞。另有5例诊断为多血管闭塞,均累及ICA。
软件工具的诊断性能
在CTA检测LVO方面,两个软件平台 yielded 相似的结果,RAPID的AUROC为0.93(95% CI,0.88–0.97),JLK LVO为0.93(95% CI,0.88–0.99,p = 0.64,表2和补充图1)。在预设阈值下(RAPID CTA < 60%,JLK LVO > 0.5),两个平台达到相同的敏感性(0.83,表2和补充图2)。JLK LVO的特异性(0.96)在数值上高于RAPID CTA(0.89)。JLK LVO的阳性预测值为0.90,RAPID CTA为0.77,两者的阴性预测值均为0.93。JLK LVO的总体准确率为0.92,RAPID CTA为0.88。二分类一致性McNemar检验显示无显著差异(p = 0.118)。
匹配敏感性比较
敏感性匹配分析表明,两个平台在各种阈值下均表现出可比的性能(补充表1)。当RAPID CTA的敏感性设定为0.91时(< 80%阈值),相应的JLK LVO阈值为0.07,产生的特异性相似,JLK LVO为0.80,RAPID CTA为0.81。在匹配敏感性为0.87时(RAPID CTA阈值< 75%),JLK LVO阈值为0.11,两者的特异性均为0.85。
值得注意的是,在较低敏感性设置下,JLK LVO表现出更高的特异性。当敏感性匹配为0.83时(RAPID CTA阈值< 60%),JLK LVO阈值0.42产生的特异性为0.95,而RAPID CTA为0.89。这一趋势在敏感性为0.75时(RAPID CTA阈值< 45%)持续存在,JLK LVO阈值0.82产生了1.00的完美特异性,而RAPID CTA为0.99。
按闭塞部位和侧别分的敏感性
使用预设阈值(RAPID CTA < 60%,JLK LVO ≥ 0.5)比较不同闭塞部位的敏感性。对于识别的19例ICA闭塞(表1),两个平台的敏感性均为0.92(补充表2)。其中包括两例T型闭塞(终末ICA同时累及MCA和ACA),两种软件工具均正确识别。对于MCA M1闭塞,JLK LVO的敏感性为1.00,RAPID CTA为0.94。对于M2闭塞,JLK LVO的敏感性为0.30,RAPID CTA为0.40。在双侧闭塞病例中,JLK LVO的敏感性为1.00,RAPID CTA为0.75(补充表3)。
假阳性与假阴性分析
基于预设阈值(RAPID CTA 为 < 60%,JLK LVO 为 ≥ 0.5),RAPID CTA 共识别出 13 例假阳性(FP)病例,JLK LVO 识别出 5 例,其中 2 例为两种解决方案共有(两例均见图 1)。假阴性(FN)病例方面,每种解决方案各识别出 9 例,其中 6 例重叠(均见图 1)。所有错误病例均经过全面复核,并根据血管性或技术性原因进行分类(表 3)。
每个病例中,左侧面板显示患者的原始扫描图像(CTA 源图像、CTA 厚层最大密度投影(MIP)或平扫 CT(NCCT)),右侧面板显示 JLK LVO(上)和 RAPID CTA(下)的二次截图结果。
面板 A-1 和 A-2 显示假阳性病例,两种解决方案均在无真实闭塞的情况下错误提示大血管闭塞(LVO)。
面板 B-1 至 B-6 显示假阴性病例,两种工具均未能检测到存在的 LVO。
假阳性病例
假阳性结果的可能原因分为:(A) LVO 模拟病变,(B) 技术陷阱,或 (C) 未分类(补充表 4)。对于 RAPID CTA 的 13 例假阳性,原因包括 LVO 模拟病变(5 例,38.5%),主要由于高级别颅内动脉粥样硬化性疾病(ICAD;图 1 A)和技术陷阱(3 例,23.1%)。5 例经专家复核后仍未能分类(38.5%)。相比之下,对于 JLK LVO 的 5 例假阳性,技术陷阱是主要原因(3 例,60.0%)。2 例假阳性为两种工具共有;1 例为 LVO 模拟病变,另 1 例未分类。
假阴性病例
两种解决方案中,假阴性(FN)最常见的原因是混合型,即“闭塞信号不足”(A类)合并“通畅信号误导”(B类,表5)。这种模式通常表现为在侧支循环良好的情况下出现小或节段性闭塞(图1B及B-2、B-5、B-6),占RAPID CTA和JLK LVO两者FN的55.6%(各9例中5例)。这种混合病因也是两种解决方案共有的6例FN病例中的主要模式,占其中4例(66.7%)。其余共有FN仅归因于闭塞信号不足(补充表5)。
讨论
本研究比较了两种自动化大血管闭塞(LVO)检测工具RAPID CTA和JLK LVO的诊断性能,发现两个平台在韩国一家卒中中心检测LVO均具有高判别能力。这一性能水平为医生提供了有价值的诊断支持,尤其是在时间紧迫的情况下或无法立即获得专家复核时。
虽然两种工具以AUROC衡量的总体诊断性能相当,但其性能并不完全相同,在临床相关灵敏度阈值下的特异度存在显著差异。这一发现与RAPID CTA的既往文献一致。Amukotuwa等人[15]的一项研究证明了这种性能变异性,报告称优先考虑灵敏度的阈值(< 75%)达到95%灵敏度但仅79%特异度,而另一设置(< 60%)将特异度提高至86%,代价是将灵敏度降至91%。在我们自己的分析中,我们在比较中直接观察到了这种权衡:在临床筛查常用的高灵敏度设置下,JLK LVO显示出更高的特异度,而RAPID CTA在优先考虑特异度的阈值下表现更好。这凸显了灵敏度-特异度平衡在不同工具之间并不一致,这一发现具有直接的临床意义。虽然急性卒中的检诊通常倾向于高灵敏度以尽量减少漏诊LVO的风险,但相关的假阳性(FP)增加可能导致不必要的评估和资源利用。在此背景下,JLK LVO在高灵敏度设置下维持较高特异度的能力提供了减少FP触发的下游干预的潜在优势。最终,我们的发现进一步表明,每种工具的最佳阈值选择必须由具体临床目标和工作流程考虑来指导。
对误分类病例的分析揭示了重要见解。大多数FP检测归因于LVO模仿者,如高级别狭窄或非动脉粥样硬化性血管病变,提示当前算法无法可靠区分真性闭塞与血流动力学改变。特别是,在已知颅内动脉粥样硬化性狭窄病(ICAD)的患者中,应谨慎解读阳性AI结果,考虑到FP检测风险升高。相比之下,FN病例提供了更为关键的视角。最常见的潜在机制涉及被发育良好的侧支循环所掩盖的短节段或远端分支闭塞——在这些情况下,尽管存在真性闭塞,血管密度看起来仍保持完好。这些混合机制病例暴露了基于血管密度解读的固有脆弱性,并提示在此类图像数据上训练的深度学习算法可能受到类似偏倚的影响。
我们的研究设计提供了对性能的务实评估,这与先前仅纳入确诊卒中患者的研究形成对比[13–15]。这种方法涵盖了非卒中和卒中患者的多样化队列,可能解释了我们发现总体敏感性较低但特异性较高的结果。此外,我们对前循环LVO的细致定义与工具的预期用途相一致,增强了本研究的方法学严谨性。这与其它纳入更广泛闭塞范围(如基底动脉)的报告形成对比,后者可能无意中低估了软件在其设计应用中的真实性能[16, 17]。最后,在亚洲人群中评估LVO检测软件存在关键空白,该人群中ICAD患病率较高,带来了独特的诊断挑战[18, 19]。我们的研究位于韩国卒中中心,旨在填补这一空白。
RAPID CTA(一种基于规则的密度评估工具)和JLK LVO(一种深度学习模型)具有相似的性能和失败特征,这为当前自动化LVO检测的现状提供了有价值的见解。FN病例的显著重叠以及不同闭塞位置的相当性能表明,两个系统面临相似的挑战。具体而言,虽然两种工具对远端M2闭塞的敏感性有限,但它们在检测最近端LVO方面表现出完美的可靠性;两个平台均正确识别了我们队列中100%的T型闭塞。这可能表明深度学习模型可能正在学习优先考虑影像特征,如血管衰减或造影剂充盈丧失,这些也是传统基于规则系统的基本特征。这些观察结果强调,自动化LVO检测的主要挑战可能不在于特定算法,而更多在于CTA数据本身的固有局限性。某些闭塞模式,特别是当受到混杂血流动力学信号、静脉污染或伪影影响时,仍然难以仅通过计算方法可靠检测[8]。因此,将AI驱动的预测与其它影像模态(如灌注成像、平扫CT或MRI)以及全面的神经学评估相结合,仍然是准确诊断和有效治疗计划的推荐方法。
此外,虽然我们的研究聚焦于这些工具的独立性能,但其主要临床效用通常在于作为人类判读的决策支持辅助工具。先前在交互式环境中专门评估JLK LVO算法的研究表明,AI辅助显著提高了早期职业医师的诊断准确性[14]。在该研究中,AI支持使住院医师的LVO检测敏感性提高了4.0%,平均AUROC从0.944提高到0.967(P < 0.001)。这些发现表明,即使存在我们当前工作中发现的算法挑战——如M2检测——AI与医护人员之间的协同作用仍能在时间紧迫的急诊环境中有效弥合专业差距,优化整体卒中分诊工作流程。
这些人工智能工具的演进必须聚焦于更高的临床细微度和准确性。一个关键进步将是通过区分急性与慢性闭塞来提高警报特异性,从而减少对稳定发现的不必要激活。此外,提高检测灵敏度至关重要。这既包括改进算法性能以应对更远端闭塞,例如在本研究中两种工具均表现有限的M2段,也包括整合如症状偏侧性等临床数据,以创建更稳健且具有情境感知能力的诊断工具。
我们的研究存在若干局限性。首先,作为使用单一CT供应商的单中心研究,我们关于软件工具在区域卒中中心或不同CT供应商环境下性能的研究结果的普适性有限。然而,与既往在不同人群和多种CT供应商中开展的研究所得的可比结果[14, 15]提示,这些软件工具可能表现出总体一致的性能。其次,特定部位的小样本量,尤其是大脑中动脉M2段(n = 10),限制了头对头亚组比较的统计效能。尽管我们的队列反映了真实世界的临床分布,但中等血管闭塞(MeVO)的结果应谨慎解读。第三,尽管受试者是连续入组的,但分析是回顾性进行的。因此,我们的研究仅限于两种人工智能模型的独立性能,未评估其对医生决策或最终诊断准确性的下游影响。因此,未来需要大规模前瞻性研究,通过评估这些工具在不同环境中对临床医生行为和患者结局的影响,来确定其真实世界的临床效用。
这项比较分析的实际价值在于促进从“人工智能验证”向“安全临床实施”的转变[20]。自动化大血管闭塞(LVO)工具作为决策支持系统而非自主诊断代理时发挥最有效的作用。然而,其使用存在“自动化偏倚”的风险,即临床医生可能无意中过度依赖人工智能通知。通过阐明两个平台共享特定的失效模式——尤其是在涉及丰富侧支循环或高级别颅内动脉粥样硬化性疾病(ICAD)模拟病变的场景中——我们的发现为临床医生提供了保持临床警觉所需的背景信息。理解这些性能权衡将人工智能从 opaque 的“黑箱”转变为透明的助手。这种认知促进了计算速度与专家临床判断之间更细致的协同,确保人工智能驱动的分诊仍然是超急性卒中工作流程中安全可靠的组成部分[8, 21]。
总之,JLK LVO和RAPID CTA在真实世界临床环境中对LVO检测均表现出高且相当的诊断性能。虽然两个平台对近端闭塞均高度可靠,但它们并非万无一失,在涉及显著侧支循环或远端闭塞的场景中表现出共同的挑战。这些发现强调,自动化工具作为决策支持辅助手段最为有效,其作用是增强而非替代临床专业知识。成功的临床整合需要从简单验证过渡到知情实施,即临床医生了解性能权衡,并将AI输出与其专家判断相结合,以确保安全准确的中风分诊。
补充信息
以下是电子补充材料的链接。
补充材料1
引用
- Ha HJ, Ryu WS, Kim BJ, et al. RAPID CTA versus JLK LVO for large vessel occlusion detection: a pragmatic comparison of performance and common pitfalls. Neuroradiology. 2026. PMID: 41805858. doi:10.1007/s00234-026-03921-0
- 全文:PMC13139262(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13139262/
供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。