SDS-NET：MRIを使用した45時間の血栓溶解治療ウィンドウ内で患者を予測するための同期デュアルステージネットワーク

効果的な治療の意思決定には、4.5時間以内の急性虚血性脳卒中（AIS）のタイムリーかつ正確な識別が不可欠です。この研究の目的は、限られたデータセットを利用してこの重要なウィンドウ内でAIS患者を認識する新しいネットワークを構築することを目的としています。症状の発症から24時間以内に、液体減衰反転回復（FLAIR）と拡散加重画像（DWI）の両方を受けた265人のAIS患者の遡及的分析を実施しました。患者は、脳卒中開始（TSS）以降の時間に基づいて2つのグループに分類されました：TSS≤4.5時間およびTSS> 4.5時間。TSSは、脳卒中の開始からMRI完了までの時間として計算されました。梗塞ボクセル識別とTSS分類段階で構成される、同期されたデュアルステージネットワーク（SDS-NET）とシーケンシャルデュアルステージネットワーク（デュアルステージネット）を提案しました。モデルは181人の患者について訓練され、曲線下（AUC）、感度、特異性、および精度の下の面積のメトリックを使用して、84人の患者の独立した外部コホートで検証されました。Delongテストを使用して、2つのモデルのパフォーマンスを統計的に比較しました。SDS-NETは、検証データセットで0.914のAUCで0.844の精度を達成し、精度が0.822、AUCが0.846のデュアルステージネットを上回りました。外部テストデータセットでは、SDS-NETはさらに、精度0.800と0.879のAUCで優れたパフォーマンスを実証しました。SDS-NETは、MRIを使用して4.5時間の治療ウィンドウ内でAIS患者を識別するための堅牢で信頼できるツールです。このモデルは、臨床医がタイムリーな治療の決定を下すのを支援し、患者の転帰を改善する可能性があります。

Timely and precise identification of acute ischemic stroke (AIS) within 4.5 h is imperative for effective treatment decision-making. This study aims to construct a novel network that utilizes limited datasets to recognize AIS patients within this critical window. We conducted a retrospective analysis of 265 AIS patients who underwent both fluid attenuation inversion recovery (FLAIR) and diffusion-weighted imaging (DWI) within 24 h of symptom onset. Patients were categorized based on the time since stroke onset (TSS) into two groups: TSS ≤ 4.5 h and TSS > 4.5 h. The TSS was calculated as the time from stroke onset to MRI completion. We proposed a synchronized dual-stage network (SDS-Net) and a sequential dual-stage network (Dual-stage Net), which were comprised of infarct voxel identification and TSS classification stages. The models were trained on 181 patients and validated on an independent external cohort of 84 patients using metrics of area under the curve (AUC), sensitivity, specificity, and accuracy. A DeLong test was used to statistically compare the performance of the two models. SDS-Net achieved an accuracy of 0.844 with an AUC of 0.914 in the validation dataset, outperforming the Dual-stage Net, which had an accuracy of 0.822 and an AUC of 0.846. In the external test dataset, SDS-Net further demonstrated superior performance with an accuracy of 0.800 and an AUC of 0.879, compared to the accuracy of 0.694 and AUC of 0.744 of Dual-stage Net (P = 0.049). SDS-Net is a robust and reliable tool for identifying AIS patients within a 4.5-h treatment window using MRI. This model can assist clinicians in making timely treatment decisions, potentially improving patient outcomes.