CNSNT：深度学习在血管内血栓切除术后24小时内区分颅内出血的准确性研究

急性缺血性中风（AIS）是全球残疾和死亡率的主要原因。在多个随机对照试验中已经确认了血管内血栓切除术（EVT）的安全性和功效，现在建议将EVT作为大动脉闭塞的AIS的一线治疗。然而，由于血脑屏障损伤，EVT后的非对比度CT（NCCT）检查中，干预后脑高密度（PCHD）是一个普遍发现。 PCHD通常由仅限于内皮细胞层的受损伤的情况下单独由对比度染色（CS）组成，而在降解的基底层层中，可能发生血液渗出，即出血转化（HT）。

来自西湖大学医学院放射科放射学系的学者回顾性地收集了两家医院的数据，其中包括237个双能CT（DECT）扫描，包括匹配的碘覆盖层映射，虚拟非对比度和模拟教派图像。这些扫描随机分为训练集（n = 190），并根据ICH的比例为4：1的内部验证集（n = 47）。此外，将26个扫描作为外部验证集包括在内。我们使用生成图像的几个物理指标比较了跨性别方法，并评估了生成图像的诊断功效，以将ICH与对比度染色区分开。相关结果发表在CNS Neurosci Ther杂志上。

最终包括来自A中心A的139名患者和25名来自B中心的患者。在EVT后24小时内收集了所有具有可见PCHD的NCCT图像后，将A中心A的237个DECT数据随机分配给训练集（n =190）和内部验证集（n = 47）。 B中心的26个派别数据用作外部验证集（n = 26）。在中心A和B之间包含的DECT图像中ICH的比例没有统计学上的显着差异（61/190 vs. 6/26，p> 0.05）。

在内部验证集中，使用SIOM和使用SIOM和PCHD诊断的AUC对于输入SCCT图像，SVNC为0.88（95％CI 0.76–0.96），高于AUC（95％CI 0.53-0.81）的AUC。 DELONG测试显示两者之间存在显着差异（P = 0.01）。在外部验证集中，用于使用SIOM和SVNC诊断PCHD的AUC为0.69（95％CI 0.48-0.85），超过了Sect图像的AUC（95％CI 0.33-0.73）。虽然DELONG测试没有显示出统计学意义（P = 0.07），但跨部门生成的图像显示出提供改进的诊断性能和支持临床决策的潜力。

与其他一代方法相比，Trans-GAN生成的图像表现出较高的定量性能。同时，就ICH检测而言，内部和外部验证集的生成图像的使用导致接收器操作特征曲线下的面积较高（分别为0.88 vs. 0.68和0.69和0.69 vs. 0.54）和KAPPA值（0.83与输入教派图像相比，分别为0.56和0.51和0.51和0.31。

综上，本研究提出的跨性别者提供了一种基于基于ICH实时差异和在没有DECT条件的医院的对比度染色的新方法。

参考文献：

Wang T, Jiang C, Ding W, et al. Deep-Learning Generated Synthetic Material Decomposition Images Based on Single-Energy CT to Differentiate Intracranial Hemorrhage and Contrast Staining Within 24 Hours After Endovascular Thrombectomy. CNS Neurosci Ther. 2025 Jan;31(1):e70235. doi: 10.1111/cns.70235.