Diskusi

Penelitian ini menunjukkan bahwa model pembelajaran mendalam U-net dengan

gerbang perhatian yang dilatih hanya menggunakan data MRI multi urutan dasar yang dapat
digunakan untuk memprediksi lesi infark 3 hingga 7 hari. Model dilatih tanpa menyertakan
informasi tentang status reperfusi, namun memiliki kinerja yang sebanding pada pasien
dengan dan tanpa reperfusi mayor dibandingkan dengan paket perangkat lunak ambang batas
ADC dan Tmax yang umum digunakan secara klinis. Lebih jauh lagi, ini bekerja dengan baik
pada pasien dengan status reperfusi parsial atau tidak diketahui, di antaranya tidak ada
metode prediksi tradisional berdasarkan paradigma ketidakcocokan difusi-perfusi yang
berlaku.
Pada pasien dengan reperfusi minimal, model yang diusulkan mengungguli klinis
model memprediksi volume lebih akurat daripada metode thresholding klinis. Untuk pasien
dengan reperfusi mayor, model yang diusulkan mengungguli metode ambang batas klinis
untuk DSC dan sensitivitas. Pada pasien ini, model cenderung melebih-lebihkan lesi infark
akhir, sedangkan segmentasi ADC cenderung meremehkan lesi. Metode ambang batas ADC
klinis mengungguli model yang diusulkan untuk spesifisitas, yang diharapkan, karena area
infark pada awal jarang menunjukkan reversibilitas. Misalnya, hanya 1 pasien dalam kohort
kami yang menunjukkan pembalikan ADC, yang dapat terjadi segera setelah reperfusi, tetapi
umumnya tidak bertahan. Kinerja model yang diusulkan secara signifikan lebih baik daripada
yang dilaporkan dalam literatur sebelumnya, dengan hampir dua kali tumpang tindih antara
prediksi dan lesi sebenarnya dari metode sebelumnya.
Meskipun fitur pencitraan pada awal dapat dikaitkan dengan terapi yang berhasil, efek
pengobatan dan pertumbuhan infark selanjutnya sulit diprediksi. Prediksi model yang
diusulkan dapat bertindak sebagai infark akhir "paling mungkin" untuk pasien pada saat
kedatangan, mengingat keputusan pengobatan yang paling umum dan tingkat
keberhasilannya, yang dapat memberikan informasi tambahan selain profil ketidak cocokan
untuk pengambilan keputusan. Karena model yang diusulkan memprediksi lesi infark pada 3
sampai 7 hari, ketika ukuran lesi terbesar karena edema vasogenik akut, akan sangat
membantu untuk memandu keputusan pengobatan dan mengkoordinasikan sumber daya
klinis seperti persiapan awal untuk operasi dekompresi dan osmoterapi. Selain itu, karena
tingkat rekanalisasi meningkat dan jendela waktu pengobatan menjadi lebih lama, agen
neuroprotektif menjadi langkah penting berikutnya untuk penelitian stroke iskemik akut.
Pemilihan pasien untuk uji klinis masa depan agen neuroprotektif berdasarkan
pencitraan juga menjadi relevan. Model yang kami usulkan, memberikan gambaran yang
komprehensif Penelitian kami menunjukkan bahwa model pembelajaran mendalam U-net
dengan gerbang perhatian yang dilatih hanya menggunakan data MRI multi urutan dasar yang
dapat digunakan untuk memprediksi lesi infark 3 hingga 7 hari. Model dilatih tanpa
menyertakan informasi tentang status reperfusi, namun memiliki kinerja yang sebanding pada
pasien dengan dan tanpa reperfusi mayor dibandingkan dengan paket perangkat lunak
ambang batas ADC dan Tmax yang umum digunakan secara klinis. Lebih jauh lagi, ini
bekerja dengan baik pada pasien dengan status reperfusi parsial atau tidak diketahui, di
antaranya tidak ada metode prediksi tradisional berdasarkan paradigma ketidak cocokan
difusi-perfusi yang berlaku. metode thresholding untuk PPV dan spesifisitas sambil
mempertahankan DSC dan sensitivitas yang sebanding. Untuk lesi kurang dari 100 mL, di
mana perbedaan kecil secara klinis paling relevan.

Keterbatasan
Penelitian ini memiliki beberapa keterbatasan. Perawatan bervariasi sehubungan
dengan penggunaan trombektomi, dan stroke sirkulasi posterior tidak disertakan. Performa
model mungkin dipengaruhi oleh ukuran lesi dalam kelompok ini dan dengan demikian
mungkin berbeda dalam kelompok dengan distribusi ukuran lesi lainnya. Namun, penelitian
tersebut berasal dari banyak institusi dalam jangka waktu yang lama, dan banyak pemindai
yang berbeda digunakan, sehingga kemungkinan besar hasilnya dapat digeneralisasi lebih
baik daripada jika semuanya berasal dari satu situs. Selanjutnya, kebenaran dasar ditentukan
pada 3 sampai 7 hari, ketika puncak edema vasogenik. Ini mungkin telah menyebabkan
perkiraan yang terlalu rendah pada pendekatan ambang batas ADC. Namun, titik waktu
tindak lanjut lainnya juga memiliki kelemahan: pada 24 jam, lesi tidak sepenuhnya
berkembang,36 dan titik waktu lebih dari 3 hingga 7 hari sulit diperoleh saat pasien
meninggalkan rumah sakit. Diakui dengan baik bahwa hasil stroke sangat bergantung pada
reperfusi. Kami mengabaikan faktor ini untuk memungkinkan kami melatih kumpulan data
sebesar mungkin dan menetapkan garis dasar kinerja. Pengambilan keputusan klinis
bergantung pada perbedaan antara hasil terapi terbaik dan terburuk, dan idealnya melatih
model terpisah untuk masing-masing kondisi ini akan memberikan informasi tersebut. Studi
masa depan harus menilai area penting ini, dengan model saat ini berfungsi sebagai titik awal
untuk pendekatan penyesuaian untuk mencapai tujuan penting ini

Kesimpulan
Model U-net dengan gerbang perhatian menggunakan MRI dasar mampu
memprediksi infark 3 hingga 7 hari pada pasien dengan stroke akut tanpa informasi reperfusi.
Ini menunjukkan kinerja yang sebanding dengan metode ambang batas canggih pada pasien
yang mungkin dibandingkan dan kinerja tingkat tinggi yang serupa pada pasien dengan status
reperfusi parsial atau tidak diketahui. Studi lebih lanjut diperlukan untuk memvalidasi hasil
dalam kohort yang lebih besar dan lebih beragam dan untuk memasukkan prediktor klinis
penting untuk meningkatkan kinerja model