人工智能检测隐匿性脑血管疾病(C2D2AI):患者入组可行性的初步基线数据Abstract TP074: Covert cerebrovascular disease detected by artificial intelligence (C2D2AI): preliminary baseline data for patient enrollment feasibility | Stroke

环球医讯 / 心脑血管来源:www.ahajournals.org美国 - 英文2026-02-03 14:16:20 - 阅读时长2分钟 - 804字
本研究开发了基于人工智能的自然语言处理工具C2D2AI,用于从头部CT和脑部MRI放射报告中识别隐匿性脑血管疾病患者(包括隐匿性脑梗死和白质病变),通过382名合格参与者的筛查数据证实招募可行性。结果显示患者平均年龄71岁,2/3为轻度白质病变,蒙特利尔认知评估中位数24.5分表明普遍轻度认知障碍,脑健康行为评分显示改善空间,AI辅助招募进度超预期且医患参与度高,为高危无症状人群的预防性干预研究奠定基础。
隐匿性脑血管疾病CCD隐匿性脑梗死CBI白质病变WMD自然语言处理NLP基线数据卒中风险认知评估MoCA脑健康可行性患者入组
人工智能检测隐匿性脑血管疾病(C2D2AI):患者入组可行性的初步基线数据

摘要

引言: 隐匿性脑血管疾病(CCD),包括隐匿性脑梗死(CBI)和白质病变(WMD),常在常规神经影像检查中偶然发现。尽管无明显症状,CCD与有症状性卒中具有相同病理生理机制,且是卒中和痴呆的强预测因子。我们开发了自然语言处理(NLP)工具,用于从头部CT和脑部MRI放射报告中识别偶然发现的CCD。本研究评估了招募CCD患者、表征其基线风险以及评估行为改变的可行性,以支持未来干预试验的设计。

方法: 参与者在美国波士顿塔夫茨医学中心(一所多元化的城市三级学术医疗中心)招募。计划入组50名参与者,包括前瞻性招募(索引扫描后30天内)和回顾性招募(过去5年内扫描),均基于NLP识别的CCD结果。每份神经影像均经复核确认CCD存在。联系初级保健提供者并允许其排除特定患者。患者经电话筛选后进行面对面评估。基线评估包括病史与用药回顾、美国国立卫生研究院卒中量表(NIHSS)、蒙特利尔认知评估(MoCA)及标准化问卷。90天随访用于评估用药、态度和健康寻求行为的变化。

结果: 在382名合格参与者中,向328人发送了邀请函。已完成218人的电话联系,其中63人安排首次就诊,18人未出席。40人完成首次就诊,37人符合第二次就诊条件。所有患者均存在白质病变,10%合并隐匿性脑梗死。2/3为轻度白质病变,1/3为中重度白质病变。多数患者通过CT识别。基线特征(表1)显示平均年龄71岁,女性略占多数。血压和糖化血红蛋白A1c测量结果提示存在可干预的卒中风险因素。蒙特利尔认知评估中位数(24.5分,四分位距21-26)表明轻度认知障碍普遍。脑健康行为评分中位数(15分,四分位距13-17)提示脑健康促进行为存在改善空间。

结论: 通过自然语言处理工具招募CCD患者具有可行性,接受度高且进度快于计划,患者与医生参与积极。这些发现支持针对此类被忽视的高危人群开展预防策略研究的未来工作。

【全文结束】