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