AI辅助MRI共同序列后处理方案对AIS的诊断效能与评估效率分析OA

目的分析人工智能(artificial intelligence,AI)辅助磁共振成像(magnetic resonance imaging,MRI)共同序列[常规序列+灌注加权成像(perfusion-weighted imaging,PWI)序列整合]后处理方案对急性缺血性脑卒中(acute ischemic stroke,AIS)的诊断效能及评估效率。材料与方法前瞻性纳入AIS患者200例,均于河池市第一人民医院2023年6月至2025年6月行MRI检查。扫描序列包括常规序列[T1加权成像(T1-weighted imaging,T1WI)、T2加权成像(T2-weighted imaging,T2WI)、弥散加权成像(diffusion-weighted imaging,DWI)、液体衰减反转恢复序列(fluid-attenuated inversion recovery,FLAIR)、磁共振血管成像(magnetic resonance angiography,MRA)]及PWI序列[动脉血质子自旋标记成像(arterial spin labeling imaging,ASL)、动态磁敏感对比增强灌注成像(dynamic susceptibility contrast,DSC)]。由两名高年资影像科医师作为观察者,采用双盲法,使用Likert 5级量表进行图像质量评分;采用加权Kappa系数评估观察者间一致性;采用组内相关系数(intra-class correlation coefficient,ICC)评估观察者内重测一致性。同时,基于PWI序列数据,分为PWI组(手动,使用后处理工作站)与PWI+AI组(AI辅助,使用AI软件)。两组后处理方式均包括勾画感兴趣区(region of interest,ROI),测量并对比脑血流量(cerebral blood flow,CBF)、脑血容量(cerebral blood volume,CBV)定量参数,采用受试者工作特征(receiver operating characteristic,ROC)曲线分析两种后处理方式的诊断效能,采用DeLong检验比较曲线下面积(area under the curve,AUC)的差异,记录并比较图像后处理用时。结果PWI+AI组各序列图像质量主观评分均≥3分(满足临床需求),5分占比76.0%~77.5%,高于PWI组(均P<0.05)。观察者间一致性良好(加权Kappa:0.754~0.826),95%置信区间(confidence interval,CI):0.715~0.855,观察者内重测一致性优秀(ICC=0.82,P<0.001)。ASL、DSC序列中,PWI+AI组CBF、CBV低于PWI组(均P<0.001)。ROC曲线显示,PWI+AI组CBF、CBV的AUC分别为0.815(95%CI:0.751~0.894)和0.826(95%CI:0.765~0.912),均高于PWI组(0.674、0.681,均P<0.05)。PWI+AI组图像后处理用时较PWI组缩短86.2%[(2.1±0.6)min vs.(15.2±3.5)min,P<0.001]。结论AI辅助MRI共同序列后处理方案提升AIS诊断效能与评估效率,为急诊诊疗及临床决策提供了可靠的影像学支撑。