賴佩芳  

佛教慈濟醫療財團法人花蓮慈濟醫院

        2015美國心臟協會認可血栓切除術（Thrombectomy）作為中風患者的新治療標準，患者可以在發病後 6 小時內接受治療^１。2018美國心臟協會(AHA)和美國中風協會(ASA)修訂了指南，將急性中風患者的治療窗口從6小時延長至24小時^２。近年來醫療和科技產業的結合讓治療更精準，舉例來說，Rapid CTP(computedtomography perfusion) 可以在兩分鐘內提供量化和CT灌注圖，以供快速評估受損腦組織。其中RapidAI 是全球廣泛使用的醫學影像平台，2018年更新指南就是依照使用 RapidAI 進行的DAWN 和 DEFUSE 3 臨床實驗為基礎，擴大治療時間窗。RapidAI 是由企業與神經科/放射科醫師及技術專家組成的團隊共同研發，不但更便捷的查看CT、CTP、MRI等影像，還可以快速計算出可挽救腦組織(Penumbra)和壞死腦組織的體積和比例，協助判斷是否仍然適合注射血栓溶解劑或進行動脈血栓移除。

       人工智慧的年代來臨，是不是意味著可以依賴人工智慧測量中風程度，而不是依發作時間來決定溶栓或取栓? 先前對RapidAI的研究^３顯示對前循環LVO的敏感性為94~97%，專一性為74~76%，看起來是不錯的工具。2024年初Stroke雜誌發表一份澳洲的相關研究^４，發現放射科醫師、放射學培訓生和神經科醫生在檢測大血管阻塞(LVO， large‐vessel occlusion)和中血管阻塞(MVO，medium‐vessel occlusion)方面表現優於RapidAI，以神經放射科介入性診斷為標準，RapidAI對於LVO的敏感性不到三分之二，合計MVO和LVO則略高於三分之一。整體而言，RapidAI未能達到陰性似然比(negativelikelihood ratio，-LR)閾值，無法在真實世界充分排除LVO或MVO，依賴RapidAI可能導致相當比例的患者被錯誤地分類為不適合再灌注治療，因此還不能僅是依賴人工智慧軟體來決定中風範圍和治療方針，任何這類應用均需要監控。但人腦在判斷腦部影像上有更優秀嗎？研究顯示神經放射科專家可以89～95%的敏感性和95～98%的特異性檢測LVO，但是這種能力水準並不普遍，對於檢測MVO來說則是不管人類或是RapidAI解讀都非常具挑戰性。在缺血性腦中風的治療決策上需要確定所有阻塞的血管位置以及仍可挽救的範圍，不管是人類或是ＡＩ系統ＬＶＯ相對來說是比較容易確認的，所以能夠檢測到MVO是一個重要的問題，有助於關於溶栓治療進展，目前許多正在進行中的臨床試驗以評估溶栓術對MVO的益處就是證據。在非中風治療中心的醫院工作的人員如果有人工智能工具協助檢測MVO，將會擴大缺血性腦中風的治療人口。

       人工智能工具的“漂移(drift)”則是另一個問題，AI模型在時間推進中準確性和功能性會有波動，不一定是越來越精準，診斷性影像解釋的漂移可能在沒有定期監控對照的情況下不易被察覺， 但監控是昂貴且耗時的，要落實監測非常困難。

       目前在缺血性性中風方面我們還無法太信任人工智慧，　但它仍具有自動化檢測LVO和MVO的潛在優勢，雖然RapidAI容易受到與程序相關的系統性錯誤影響，但不受疲勞、臨床負擔和注意力不集中所致的錯誤影響，並且允許神經科專家即時的遠端影像判讀和監測。RapidAI的判讀時間平均為５分鐘，比經驗不豐富的人類判讀者更快，可以降低治療的延遲的時間，根據研究顯示平均減少的延誤為30分鐘，最長可達50分鐘。另外，人工智能通常可以通過向神經科和神經介入放射科醫師發出警報來改善工作流程，從而提早確認影像結果並讓血栓切除團隊介入。

       理想情況下，我們希望使用的診斷工作具有一個較高的陽性似然比(positivelikelihood ratio，+LR)和較低的陰性似然比(-LR)，以及低的需要審核數量NNR（number needing review）。RapidAI是在臨床試驗集中關注前循環LVO時開發的，接下來此類軟體的新版本需要對血管阻塞具有更廣泛的敏感性，包括後循環和顱內頸動脈的遠端部位，未來的RapidAI版本應該專注於降低陰性似然比並提高檢測血管阻塞的敏感性，特別是MVO。將人工智慧運用於缺血性腦中風治療的目標應該是開發自動診斷應用程序，讓經驗不足的臨床醫生確信不會錯過需要再灌注治療的LVO或MVO，並且減輕臨床工作繁忙的醫療團隊工作負荷。

參考文獻

1.   Campbell BC, Mitchell PJ, Kleinig TJ, Dewey HM,Churilov L, Yassi N, Yan B, Dowling RJ, Parsons MW, Oxley TJ, et al.Endovascular therapy for ischemic stroke with perfusion‐imaging selection. N Engl J Med. 2015; 372:1009‐1018

2.   Furie KL, Jayaraman MV. 2018 Guidelines for theEarly Management of Patients With Acute Ischemic Stroke. Stroke.2018;49(3):509-510.

3.  Murray NM, Unberath M, Hager GD, Hui FK. Artificial intelligence to diagnose ischemic stroke and identify large vessel occlusions:a systematic review. J Neurointerv Surg. 2020; 12:156‐164.

4.  Lee‐Anne Slater,Nandhini Ravintharan, Stacy Goergen, et al.　RapidAI Compared With Human Readers of Acute Stroke Imaging for Detection of Intracranial Vessel Occlusion.　Stroke: Vascular and Interventional Neurology. 2024；Volume 4, Issue 2