Lennard Wolff等使用一种商业评分算法判定急性缺血性卒中患者基线CTA下侧支循环状态并评估其效能，结果于2022年3月发表在《European Radiology》杂志上。
——摘自文章章节
【REF: Wolff L, et al. Eur Radiol. 2022.doi:10.1007/s00330-022-08627-4】
急性大血管闭塞性缺血性卒中的患者首选接受血管内治疗（EVT）。侧支循环可以为缺血区域提供代偿性的血流供应，侧支循环是否发达可预测患者临床结局。快速、可靠、稳定的自动侧支评分不仅可以减少手术开始前的时间延误，也可以减少人为的判断失误，从而提高疗效。此外，由于定量自动侧支评分（qCS）是一种定量测量，它可以提供比视觉分类侧支评分（vCS）更多关于侧支循环程度的信息。目前已经研发出了多种自动影像算法用于评估急性缺血性卒中患者的侧支循环状态。Lennard Wolff等使用一种商业评分算法判定急性缺血性卒中患者基线CTA下侧支循环状态并评估其效能，结果于2022年3月发表在《European Radiology》杂志上。
研究人群：本研究数据来源于MR CLEAN登记研究，本研究连续性纳入了于荷兰行EVT治疗的卒中患者。我们纳入了2014年3月16日至2016年6月15日间，所有MR CLEAN研究内的前循环大血管闭塞行EVT治疗的患者（共1627例）。
影像核心团队评估：由8名放射影像医师（5 ~ 20年经验）组成核心团队，对所有基线CTA影像进行4分法侧支评分。侧支评分：与闭塞对侧相比，闭塞血管区域侧支循环供应所占的百分比（0分：缺失；1分：>0%，≤50%；2分：>50%，<100%；3分：100%），见图1。血管闭塞位置分为ICA、M1和M2三段。
图1. M1闭塞患者的vCS评分。0：没有侧支代偿，闭塞部位没有血供；1：侧支代偿较差，闭塞部位仅有不到50%的代偿；2：侧支中度代偿：闭塞部位代偿超过50%但不到100%；3：侧支完全代偿，闭塞部位代偿达到100%。
自动侧支评分流程：StrokeViewer（v2.1.22）基于网络AI算法，深度学习卷积神经网络，自动对血管进行分段并对大血管闭塞位置进行识别，自动生成侧支评分。StrokeViewer包含一个识别前循环LVO闭塞部位的检测算法。用立方体在处理后的CTA图像上指示闭塞位置。一旦检测到闭塞部位，软件会同时计算出闭塞部位的侧支评分和全部MCA区域的侧支评分（定量量表，0 ~ 100%）。评分为0%表示该区域没有血管充盈，而评分为100%表示该区域血管充盈未受影响。StrokeViewer自动检测CTA的扫描时相，以确定侧支评分的可靠性。
经过筛选，共1024例患者的数据可供分析。从CTA图像上传完成到qCS结果报告的平均处理时间为5分钟（标准差±72秒）。对于vCS，我们发现在200例CTA分析的随机样本中，两名放射影像医师之间的观察者间一致性为65%，组内相关系数（ICC，衡量观察者间一致性的指标，<0.4表示信度较差，>0.75表示信度良好）为0.66（95% CI: 0.55-0.75）。图2箱式图显示了qCS在vCS（0 ~ 3分）中的分布。qCS经0 ~ 3的四分类后，与vCS比较，结果显示两者一致性占59%，相差1分的不一致性占37%，相差2分的不一致性占3%，相差3分的不一致性占1%（表1）。CS二分类后（差：0 ~ 1分，好：2 ~ 3分），一致性为81%（表1）。四分类的qCS与vCS比较的ICC为0.60（95%CI：0.55-0.62）；qCS与vCS均二分类后，ICC增加到0.61（95% CI：0.57-0.65）。
图2. 基于vCS评分的qCS评分分布。
表1. vCS评分与qCS评分的偏差矩阵。
将vCS以不良侧支和良好侧支二分后，对qCS的准确性进行检验，结果显示总体AUC（ROC曲线下面积，越接近1证明qCS的真实准确性越高）为0.87（95%CI：0.85-0.90，表2）。当应用整个MCA区域作为目标下游区域时，与仅应用局部闭塞区域相比，其真实准确性显著降低（P<0.01）。ICA区域闭塞的AUC值为0.89（95%CI：0.85-0.93），M1区域闭塞的AUC值为0.88（95%CI：0.85-0.91），二者的表现优于M2区域闭塞（AUC值为0.77；95%CI：0.68-0.86，表2）。
表2. 使用qCS评分预测二分类vCS评分的ROC曲线特征。
根据StrokeViewer软件的提示，40%的患者（1024例）CTA图像扫描质量欠佳。但与CTA图像扫描高质量组相比，质量欠佳组在qCS的效能差异上相似：动脉早期（n=246，P=0.62）、静脉晚期（n=72，P=0.09）、扫描层厚>2.0mm（n=111，P=0.96）。既然qCS的性能不受CTA扫描成像质量的影响，我们纳入并分析了所有患者（1024例）。
使用vCS预测功能独立（90天mRS评分0-2分）的AUC值为0.64（95% CI：0.61-0.68），使用qCS预测时AUC值增加到0.66（95%CI：0.62-0.69，表4）。当使用整个MCA区域而不是局部MCA闭塞区域来计算qCS时，AUC保持不变（表4）。但是将qCS进行四分类后（0：0%；1：>0 ~ ≤50%；2：>50 ~ <100%；3：100%），AUC降至0.63（95%CI：0.60-0.67），但与vCS相比差异没有统计学意义（P=0.29）。
这种基于深度学习的自动侧支评分算法在对侧支循环好坏的评估上、预测急性大血管闭塞性缺血性卒中患者的功能独立性上的表现与放射影像医师相似。
