Zielsetzung
Syngo.CT LVO Detection (SIEMENS Healthineers) ist ein Prototyp für die automatisierte KI-gestützte Erkennung von Großgefäßverschlüssen im vorderen Stromgebiet bei Patienten mit Verdacht auf ischämischen Schlaganfall. Wir untersuchten die Sensitivität und Spezifität des Algorithmus in der Photon Counting CT (PCCT; NAEOTOM Alpha) und der konventionellen CT (SOMATOM GoTop/X.ceed/GoAll). Außerdem untersuchten wir, ob es Unterschiede in der Erkennungsrate zwischen proximalen (Arteria carotis interna, M1-Segment der Arteria cerebri media) und distalen (M2-Segment) Gefäßverschlüssen gibt.
Material und Methoden
Wir analysierten retrospektiv 443 CT-Angiographien der Kopf- und Halsgefäße (Bv44-Kernel) mit Syngo.CT LVO Detection. Davon zeigten 176 Fälle einen Gefäßverschluss im Bereich der vorderen Zirkulation. 150 Fälle mit 50 Gefäßverschlüssen wurden mit dem PCCT untersucht. 293 Fälle mit 126 Gefäßverschlüssen wurden mit konventionellen CT-Scannern untersucht.
Ergebnisse
Der Algorithmus zeigte eine Gesamtsensitivität von 70,5 % und eine Spezifität von 98,5 %. Dabei fanden wir signifikante Unterschiede (p=0,013) in der Sensitivität zwischen PCCT (84%) und konventioneller CT (65,1%). Proximale Gefäßverschlüsse wurden in allen Scannern signifikant besser erkannt als M2-Verschlüsse mit einer Sensitivität von 86,2 % gegenüber 26,1 % (p<0,001). Während sich die Sensitivität für proximale Gefäßverschlüsse zwischen den Scannern nicht signifikant unterschied (90,2 % vs. 84,3 %; p=0,359), zeigte die Sensitivität für M2-Verschlüsse einen signifikanten Unterschied zugunsten der PCCT (55,6 % vs. 18,9 %; p=0,039).
Schlussfolgerungen
Syngo.CT LVO Detection könnte Radiologen bei der schnellen Erkennung von Gefäßverschlüssen als Triage-Tool in der Notfalldiagnostik unterstützen. Dabei scheint der Algorithmus wahrscheinlich aufgrund einer besseren Bildqualität insbesondere bei M2-Verschlüssen mit PCCT-Daten besser zu funktionieren. Insgesamt sollte der Algorithmus speziell auf die Erkennung von M2-Verschlüssen weiter trainiert werden.