Dans une étude récente publiée dans JAMA Neurologiedes chercheurs évaluent la mise en œuvre d’un logiciel automatisé pour détecter l’occlusion des gros vaisseaux (LVO) à partir d’angiographies par tomodensitométrie (TDM) afin d’améliorer les flux de travail du traitement endovasculaire de l’AVC.
Étude: Logiciel automatisé de détection d’occlusion de gros vaisseaux et durées de traitement de thrombectomie : un essai clinique randomisé en grappes. Crédit d’image : SquareMotion/Shutterstock.com
Sommaire
Arrière-plan
La mise en œuvre rapide de la thrombectomie endovasculaire est essentielle pour améliorer les résultats pour les patients après un accident vasculaire cérébral ischémique aigu (AIS) avec LVO. Le délai entre l’arrivée du patient à l’hôpital et le début de la thrombectomie endovasculaire est devenu un paramètre important pour qu’un hôpital reçoive une certification de centre d’AVC, avec de nombreux efforts concertés pour réduire ce délai.
Certains défis pour réduire ce temps de flux de travail ont été la détection d’une éventuelle AIS avec LVO par les cliniciens ou les radiologues, ainsi que la communication de la nécessité d’une thrombectomie endovasculaire à l’équipe de soins pour son exécution.
L’utilisation de l’intelligence artificielle (IA) dans le diagnostic de diverses conditions médicales à l’aide d’images tomodensitométriques est largement explorée. Ainsi, l’utilisation de méthodes automatisées basées sur l’IA pour le dépistage LVO des angiographies CT de patients présentant une éventuelle AIS pourrait réduire le délai entre l’évaluation et la thrombectomie endovasculaire.
À propos de l’étude
Dans la présente étude, les chercheurs utilisent un essai clinique randomisé par étapes pour déterminer l’efficacité d’un système automatisé basé sur l’IA pour détecter le LVO chez d’éventuels patients AIS et améliorer le temps d’évaluation et de flux de travail entre l’arrivée à l’hôpital et le début de la thrombectomie endovasculaire. La méthode randomisée par étapes a été mise en œuvre pour contourner les problèmes associés à la randomisation de l’analyse au niveau de chaque patient tout en conservant la robustesse de l’évaluation randomisée.
L’essai a été mené dans quatre centres complets d’AVC de la grande région de Houston entre janvier 2021 et fin février 2022. Après avoir obtenu l’autorisation de la Food and Drug Administration (FDA) des États-Unis pour l’utilisation de cette plateforme d’IA pour les soins cliniques, Outre le soutien financier important reçu pour la mise en œuvre du logiciel, un déploiement progressif dans les clusters au niveau hospitalier a été réalisé.
Les participants à l’essai comprenaient des patients qui se sont présentés aux services d’urgence de ces quatre centres complets d’AVC présentant des symptômes d’AIS avec LVO et ont subi une angiographie CT. Tous les patients ayant subi une thrombectomie endovasculaire pour AIS avec LVO des artères vertébrales cérébrales moyennes, carotides internes, cérébrales antérieures, cérébrales postérieures, basilaires ou vertébrales intracrâniennes ont été inclus dans l’étude.
Les patients qui se présentaient comme codes d’accident vasculaire cérébral à l’hôpital ou qui avaient été transférés d’autres centres qui n’avaient pas pratiqué de thrombectomie endovasculaire ont été exclus de l’analyse, car la durée du flux de travail pour ces patients était significativement différente. Pour les patients transférés d’autres centres, la décision d’une thrombectomie endovasculaire a déjà été prise et ils sont emmenés directement pour l’intervention sans autre imagerie, ce qui modifierait la durée du flux de travail.
L’intervention comprenait l’activation de la détection automatisée du LVO basée sur l’IA à partir de l’angiographie CT, qui était couplée à un système de messagerie sécurisé. Ce système a été activé dans les quatre centres d’AVC complets de manière aléatoire. Le système activé a alerté les radiologues et les cliniciens sur leurs téléphones portables d’un éventuel LVO quelques minutes après la fin de l’imagerie CT.
Les principaux résultats de l’étude comprenaient l’impact du système de détection automatisé LVO basé sur l’IA sur le temps porte-à-aine, qui a été déterminé à l’aide d’un modèle de régression linéaire. Le critère de jugement secondaire était le temps écoulé entre l’arrivée à l’hôpital et l’administration de l’activateur tissulaire du plasminogène par voie intraveineuse, le temps écoulé entre le début du scanner et le début de la thrombectomie endovasculaire et la durée de l’hospitalisation.
Résultats de l’étude
La mise en œuvre du système de détection automatisé LVO basé sur l’IA, associée à une application sécurisée pour la communication à l’aide de téléphones mobiles, a considérablement amélioré le temps de travail pour l’AIS à l’hôpital. La mise en œuvre de ce logiciel dans les quatre centres complets d’AVC a été associée à des réductions cliniquement pertinentes de la durée de traitement pour la réalisation d’une thrombectomie endovasculaire.
Au cours de l’essai, environ 250 patients se sont présentés aux urgences des quatre centres avec LVO AIS. La mise en œuvre du système automatisé basé sur l’IA a réduit le temps de passage de la porte à l’aine de 11 minutes. En outre, les taux de mortalité ont diminué de 60 %, le délai entre le scanner initial et le début de la thrombectomie endovasculaire étant également associé à des réductions similaires.
Conclusions
La mise en œuvre du système automatisé basé sur l’IA pour détecter le LVO parmi d’éventuels patients AIS, associée à une application sécurisée pour la communication, a considérablement réduit le flux de travail à l’hôpital et a conduit à des réductions cliniquement significatives des durées de traitement par thrombectomie endovasculaire.