Limited incremental prognostic value of an AI-derived hematoma expansion probability beyond admission clinical and CT features for 30-day functional outcome after spontaneous intracerebral hemorrhage: a retrospective cohort study
Diese retrospektive Kohortenstudie an 117 Patienten mit spontaner intrazerebraler Blutung ergab, dass das Hinzufügen einer KI-basierten Wahrscheinlichkeit für eine Hämatomexpansion zu den konventionellen klinischen Aufnahmeparametern und CT-Merkmalen keinen signifikanten inkrementellen Wert bei der Vorhersage des funktionellen Outcomes nach 30 Tagen im Vergleich zu Standardprädiktoren allein bot.
Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen
Wenn eine plötzliche Blutung im Inneren des Gehirns auftritt, bekannt als spontane intrazerebrale Blutung, beginnt die Uhr sofort zu ticken. Ärzte verlassen sich auf eine schnelle Hirnaufnahme, ein Computertomographie-Bild (CT), um die Größe der Blutung und den Druck, den sie auf das Gehirn ausübt, zu sehen. Sie achten auch auf das Bewusstseinsniveau des Patienten und andere Basissignale, um zu schätzen, wie die Person sich im Laufe des nächsten Monats erholen wird. Jahrelang waren diese traditionellen Hinweise der Standard für solche Vorhersagen. Eine neue Welle der Technologie verspricht jedoch, mehr zu leisten. Künstliche Intelligenz kann nun dieselben Gehirnbilder scannen und eine spezifische Zahl berechnen: die Wahrscheinlichkeit, dass die Blutung größer wird. Die große Frage für die medizinische Welt ist, ob diese neue, hochtechnisierte Zahl den Ärzten tatsächlich dabei hilft, bessere Vorhersagen zu treffen als die alten, einfachen Hinweise, die sie bereits haben.
Ein Forschungsteam am Puyang Oilfield General Hospital in China setzte sich zum Ziel, diese Frage zu beantworten, indem es die Aufzeichnungen von 117 Erwachsenen untersuchte, die wegen dieser Art von Hirnblutung behandelt worden waren. Sie wollten sehen, ob das Hinzufügen der durch künstliche Intelligenz berechneten Vorhersage der Blutungsausweitung zu der Standardliste der Patientendetails die Genauigkeit der Vorhersage einer schlechten Genesung verbessern würde. Ein schlechtes Ergebnis bedeutet in diesem Zusammenhang, dass der Patient mit einer signifikanten Behinderung zurückbleibt oder innerhalb von 30 Tagen verstirbt. Die Forscher entwickelten zwei verschiedene Vorhersagewerkzeuge. Das erste Werkzeug nutzte nur die Informationen, die Ärzte sammeln, wenn ein Patient eintrifft: Alter, Geschlecht, die Größe der Blutung, wie stark das Gehirn verschoben ist, das Bewusstseinsniveau und ob Blut in die flüssigkeitsgefüllten Räume des Gehirns eingedrungen ist. Das zweite Werkzeug nahm dieselbe Liste und fügte die durch künstliche Intelligenz berechnete Wahrscheinlichkeit hinzu, dass sich die Blutung ausweiten wird.
Die Forscher testeten diese Werkzeuge mit einer strengen Methode, um sicherzustellen, dass die Ergebnisse zuverlässig waren und nicht nur ein glücklicher Zufall. Sie fanden heraus, dass das Standardwerkzeug, das nur die grundlegenden klinischen und bildgebenden Details verwendet, bereits recht gut darin war, vorherzusagen, wer Schwierigkeiten bei der Genesung haben würde. Es erreichte einen AUC-Wert von 0,81. Als sie die durch künstliche Intelligenz ermittelte Ausweitungswahrscheinlichkeit zur Mischung hinzufügten, verbesserte sich die Leistung nicht. Das neue Werkzeug sagte die Ergebnisse mit fast der exakt gleichen Genauigkeit voraus wie das alte. Tatsächlich war der Unterschied so geringfügig, dass er statistisch bedeutungslos war, was darauf hindeutet, dass die künstliche Intelligenz keine neuen, nützlichen Informationen lieferte, die die Ärzte nicht bereits aus dem ursprünglichen Scan und dem Zustand des Patienten erkennen konnten. Die Studie verglich ihr Standardwerkzeug auch mit einem bekannten Bewertungssystem namens ICH-Score, das in Krankenhäusern weit verbreitet ist. Ihr Werkzeug schnitt ähnlich wie dieses etablierte System ab, was zeigte, dass es für diesen spezifischen Patientengruppen keinen klaren Vorteil gab.
Die Ergebnisse legen nahe, dass für die Vorhersage des 30-Tage-Schicksals eines Patienten mit einer Hirnblutung die komplexe Berechnung der Blutungsausweitung durch künstliche Intelligenz keinen zusätzlichen Wert bietet, über das hinaus, was ein Arzt aus einer Standardbewertung bei der Aufnahme bestimmen kann. Die traditionellen Faktoren, wie die Größe der Blutung und der Wachheitsgrad des Patienten, scheinen fast alle notwendigen Informationen zu erfassen, die für eine kurzfristige Prognose erforderlich sind. Die Forscher merkten an, dass ihre Studie auf ein einzelnes Krankenhaus und eine relativ kleine Anzahl von Patienten beschränkt war, sodass die Ergebnisse ein starkes Signal, aber kein endgültiges Urteil sind. Sie kamen zu dem Schluss, dass die Technologie der künstlichen Intelligenz zwar beeindruckend ist, sich aber für diese spezifische Aufgabe in dieser Gruppe von Menschen nicht als notwendige Ergänzung für das Werkzeug des Arztes erwiesen hat. Um sicher zu wissen, ob diese Technologie in einem breiteren Rahmen helfen kann, werden größere Studien unter Einbeziehung anderer Krankenhäuser und vielfältigerer Patientengruppen benötigt.
Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?
Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.