Avaliação automatizada da tomografia de crânio no AVC isquêmico agudo : impacto na tomada de decisão e correlação com desfechos

Abstract

Resumo: A avaliação precisa da tomografia de crânio é um passo crucial para a tomada de decisão no AVC isquêmico agudo. A combinação de dois algoritmos de machine-learning, o Eletronic Alberta Stroke Program Early CT Score (e- ASPECTS) e o e-CTA para quantificação de circulação colateral, auxiliam na seleção de pacientes que podem ser elegíveis para tratamento com trombolítico endovenoso. No estudo 1, avaliamos a performance de médicos de emergência na pontuação do ASPECTS com ou sem auxílio do e-ASPECTS e comparamos seus resultados aos de neurorradiologistas. No estudo 2, avaliamos a qualidade da circulação colateral e sua correlação com desfechos - incapacidade grave ou óbito - na alta, em 30 dias e 90 dias. No estudo 1, dois médicos de emergência e dois neurorradiologistas avaliaram as tomografias de crânio de admissão de 116 pacientes com e sem auxílio do e-ASPECTS. Para cada avaliação foram calculados sensibilidade, especificidade, coeficiente de correlação de Matthew e curvas ROC. No estudo 2, foram incluídos 97 pacientes com avaliação automatizada de colaterais. Pacientes com colaterais ótimas e subótimas foram comparados quanto às variáveis demográficas e fatores de risco cardiovasculares, além do desfecho combinado (óbito e funcionalidade pela escala modificada de Rankin) na alta e no seguimento ambulatorial de 30 e 90 dias. Quanto aos resultados, o desempenho do médico de emergência após uso do e-ASPECTS tornou-se semelhante à de neurorradiologistas. Quando à análise de colaterais, observou-se que a presença de colaterais ótimas teve efeito protetor, reduzindo as chances de óbito e incapacidade funcional grave na alta (p=0,001; OR 0,22) e em 30 dias (p=0,002; OR 0,23). Esse efeito se diluiu após análise multivariada no retorno de 90 dias. Discussão: a disponibilidade do e-ASPECTS na emergência otimiza a avaliação da tomografia de crânio no AVC agudo, podendo aumentar a segurança do médico emergencista em indicar trombólise, beneficiando, assim, um número maior de pacientes. Além disso, a avaliação automatizada de colaterais na admissão apresentou valor prognóstico principalmente a curto prazo, facilitando tomada de decisões como encaminhamento à reabilitação ou indicação de cuidados paliativos. Em conclusão, a inteligência artificial se mostra útil na avaliação de pacientes com AVC isquêmico agudo, tanto no contexto da emergência quanto na condução do caso durante o internamento em Unidade de AVC.

Abstract: Introduction: Precise brain imaging in the acute phase of ischemic stroke is crucial for decision-making. The combination of two machine-learning algorithms—the Electronic Alberta Stroke Program Early CT Score (e- ASPECTS) and e-CTA—for collateral assessments is useful for selecting patients with endovenous thrombolysis who might benefit from treatment. The first part of this project (Study 1) compared the performance of emergency physicians and neuroradiologists before and after using the e-ASPECTS. In Study 2, we aimed to correlate the presence of good collaterals with the occurrence of the composite outcome (major disability or death) at discharge, 30 days, and 90 days. Method: In Study 1, two emergency physicians and two neuroradiologists evaluated the brain tomography scans of 116 patients with and without e-ASPECTS assistance. For each instance, we calculated the sensitivity, specificity, Matthews’ correlation coefficient, and receiver operating characteristics (ROC) curves. In Study 2, 97 patients were included in the collateral assessment using e-CTA. Patients with good and insufficient collaterals were compared for vascular and inflammatory risk factors in addition to the composite outcome (modified Rankin scale score > 3 or death) at discharge, 30 days, and 90 days. Results: The performance of emergency physicians improved after the assistance of eASPECTS, becoming similar to that of neuroradiologists. In a collateral study, the presence of good collaterals demonstrated a protective effect, reducing the odds of major disability or death at discharge (p=0,001; OR 0,22) and 30 days (p=0,002; OR 0,23). This effect disappeared within 90 days in the multivariate analysis. Discussion: The presence of the e-ASPECTS in the emergency room enhances brain imaging evaluation in patients with acute ischemic stroke and might increase the confidence of emergency physicians in treating patients with thrombolysis. In addition, the automated evaluation of collateral circulation is expected to be a biomarker with good prognostic value, mainly in the first 30 days, guiding important decisions, such as patient referral to a rehabilitation facility or indication of palliative care. Conclusion: Artificial intelligence is useful for evaluating patients with acute ischemic stroke and can support efficient clinical decisions after admission to the emergency room or stroke unit and at followup after 30 days.