Native CT des Neurokraniums eines 46-jährigen Patienten nach einem Hochrasanz-Trauma. Es besteht eine akute Subduralblutung entlang der rechten frontalen und parietalen Hemisphäre (links). Sie ist insbesondere frontal von einem beginnenden Ödem umgeben und man sieht eine geringe Verlagerung der Mittellinie nach kontralateral. Man sieht keine intraventrikuläre Blutung. Es besteht kein Hinweis auf eine parafalcine Herniation.
CINA-ICH erkennt die intrakranielle Hämorrhagie korrekt und in vollem Ausmaß (Mitte). Das Blutungsvolumen wird innerhalb der CT-Serie und auch tabellarisch angegeben (nicht gezeigt). Der geringe Shift der Mittellinie nach kontralateral wird exakt vermessen (rechts).
Time is Health: Unser Motto wird insbesondere verständlich, wenn es um Schädelverletzungen und Schlaganfälle geht. Jede medizinische Akutstation weiss, was es heisst, rund um die Uhr eine Vielzahl an Patienten mit der besten diagnostischen Präzision zu begleiten. Intrakranielle Akutpathologien müssen rasch und sicher visualisiert werden.
Mit grosser Freude präsentieren wir Ihnen CINA-ICH, einen AI-Assistenten für die Erkennung intrakranieller Blutungen in CT-Studien.
Warum CINA-ICH bedeutend ist und wie es arbeitet
CINA-ICH wurde als Triage-Tool für den radiologischen Akutbetrieb entwickelt. Der AI-Assistent berichtet umgehend den Verdacht auf intrakranielle Blutungen in CT-Untersuchungen und ermöglicht die Priorisierung dieser Patienten. Der AI-Assistent verschafft Radiologen und Akutmedizinern eine herausragende Darstellung der Befunde in Wort und Bild.
Jeder Mediziner kann CINA-ICH für jeden einzelnen Notfallpatienten durch den raschen und einfachen Upload von CT-Studien des Neurokraniums auf Radailogy einsetzen. In medizinischen Institutionen kann dieser AI-Assistent seine Arbeit auch automatisch im Hintergrund verrichten, um das gewünschte Triage-Potential vollständig auszunützen.
Wer profitiert
Die Triage des Schädel-Hirntraumas und hämorrhagischer Schlaganfälle ist für alle Beteiligten, also für Patienten, Kliniker und Radiologen, essentiell.
Unsere eigene Erfahrung bei Radailogy
Wir konnten die Performance von CINA-ICH in ausführlichen Testreihen eingehend studieren. Uns überzeugten einerseits die rasche und klare Befunddarstellung und andererseits die geringe Falsch-Negativ- und Falsch-Positiv-Raten in der Erkennung intrakranieller Blutungen. Dies deckt sich mit den vom Entwickler angegebenen statistischen Daten der Sensitivität und Spezifität von jeweils mehr als 90%, gemessen an den Gesamtkohorten.
Die Ergebnisse werden ausführlich berichtet. Blutungen werden in axialen CT-Volumina eingezeichnet. Zudem werden die Daten in tabellarischer Form aufgearbeitet und beinhalten die parenchymalen, sub- und epiduralen, subarachnoidalen sowie intraventrikulären Blutungsvolumina. Zusätzlich werden Midline shifts vermessen.
Der Hersteller beschreibt als mögliche Falsch-negativ-Erkennung kleinste Blutungen von weniger als 3 ml Volumen und nicht akute Hämorrhagien. Wir bei Radailogy haben in unseren klinischen Tests keine übersehenen Blutungen beobachtet.
Wir evaluierten CINA-ICH auch zusammen mit den zwei weitere AI-Assistenten, CINA-ASPECTS and CINA-LVO, welche zur Erkennung nicht-hämorrhagischer Schlaganfälle in CT-Studien entwickelt wurden. Finden Sie mehr dazu in unseren AI-Assistenten!
Die wissenschaftliche Evidenz
McLouth J, Elstrott S, Chaibi Y, Quenet S, Chang PD, Chow DS, Soun JE. Validation of a Deep Learning Tool in the Detection of Intracranial Hemorrhage and Large Vessel Occlusion. Front Neurol. 2021 Apr 29;12:656112.
Rava RA, Seymour SE, LaQue ME, Peterson BA, Snyder KV, Mokin M, Waqas M, Hoi Y, Davies JM, Levy EI, Siddiqui AH, Ionita CN. Assessment of an Artificial Intelligence Algorithm for Detection of Intracranial Hemorrhage. World Neurosurg. 2021 Jun;150:e2 09 e217.
Daten zum Upload auf Radailogy
Native CT-Studien des Neurokraniums jeden CT- Geräteherstellers, axiale Reformationen, Matrixgröße mindestens 256 x 256; Schichtdicke höchstens 5 mm, Röhrenspannung 100 kVp bis 160 kVp (empfohlen 120 kVp bis 140 kVp), Weichteil-Rekonstruktionskernel