배경: 큰혈관폐색(LVO) 환자에서 관찰되는 고음영 동맥 징후(Hyperdense artery sign, HAS)는 허혈성 뇌졸중 후 예후와 연관된다. HAS의 수동 분할(segmentation)은 노동 집약적이므로, 다기관 데이터셋을 이용하여 두 명의 전문가가 독립적으로 주석을 부여한 자료 기반의 비조영 뇌 CT(NCCT) 영상에서 자동화된 HAS 분할 알고리즘을 개발하고 검증하였다. 방법: 학습 데이터셋에는 2011년 5월부터 2022년 12월까지 6개 뇌졸중 센터에서 동시 시행된 NCCT 및 CT 혈관조영(CT angiography) 검사를 받은 허혈성 뇌졸중 환자를 포함하였다. 외부 검증은 1개 뇌졸중 센터의 데이터셋을 이용해 수행하였다. 임상 검증 데이터셋에는 증상 발현 후 24시간 이내에 입원한 환자 연속군을 2020년 12월부터 2023년 4월까지 6개 뇌졸중 센터에서 포함하였다. 모델은 2D U-Net 알고리즘을 사용하며, 두 명의 전문가의 수동 분할을 기반으로 학습하였다. 각 전문가가 개별적으로 주석을 부여한 데이터셋으로 학습한 모델들을 구성하고, 두 전문가의 주석을 무작위로 섞어(shuffled) 만든 주석을 이용한 앙상블(ensemble) 모델도 구축하였다. 모델의 성능은 수신자 조작 특성 곡선(ROC) 아래 면적(AUROC), 민감도, 특이도를 비교하여 평가하였다. 결과: 총 673명, 365명, 774명의 환자가 각각 학습, 외부 검증, 임상 검증 데이터셋에 포함되었으며, 평균(SD) 연령은 68.8(13.2)세, 67.6(13.4)세, 68.8(13.6)세였고 남성 빈도는 55.0%, 59.5%, 57.6%였다. 앙상블 모델은 외부 검증 데이터셋에서 단일 전문가 주석으로 학습한 모델들에 비해 더 높은 AUROC와 민감도를 보였다. 임상 검증 데이터셋에서 앙상블 모델은 AUROC 0.846(95% CI, 0.819–0.871), 민감도 76.8%(65.1–86.1%), 특이도 88.5%(85.9–90.8%)를 나타냈다. 예측된 혈전(clot) 부피는 추적 확산강조영상(diffusion-weighted imaging)에서의 경색(infarct) 부피와 유의한 상관관계를 보였으며(r=0.42; p<0.001), 결론: 본 알고리즘은 HAS를 신속하고 정확하게 식별하여, 시술(intervention)이 필요할 수 있는 잠재적 환자 선별을 가능하게 한다.
*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.