응급 뇌 CT 트리아제를 위한 생성 모델 기반 이상치 검출 알고리즘

Abstract

Triage is essential for the early diagnosis and reporting of neurologic emergencies. Herein, we report the development of an anomaly detection algorithm (ADA) with a deep generative model trained on brain computed tomography (CT) images of healthy individuals that reprioritizes radiology worklists and provides lesion attention maps for brain CT images with critical findings. In the internal and external validation datasets, the ADA achieved area under the curve values (95% confidence interval) of 0.85 (0.81–0.89) and 0.87 (0.85–0.89), respectively, for detecting emergency cases. In a clinical simulation test of emergency cohorts, the median wait time was significantly shorter post-ADA triage than pre-ADA triage by 294 s (422.5 s [interquartile range, IQR 299] to 70.5 s [IQR 168]), and the median radiology report turnaround time was significantly faster post-ADA triage than pre-ADA triage by 297.5 s (445.0 s [IQR 298] to 88.5 s [IQR 179]) (all p < 0.001).|트리아제(triage)는 신경학적 응급 상황의 조기 진단과 보고에 필수적이다. 본 연구는 건강한 개인들의 뇌 컴퓨터 단층 촬영 (CT) 영상 데이터를 훈련 데이터로, 응급 뇌 CT 영상을 판독 리스트에서 재정렬하고 이상 영역을 나타내는 심층 생성 모델 기반의 이상 검출 알고리즘을 개발하였다. 응급 환자 감지 성능에 대한 내부 및 외부 검증으로 AUC (95% 신뢰 구간)는 각각 0.85 (0.81–0.89)과 0.87 (0.85–0.89)이었다. 응급실 코호트 임상 시뮬레이션 테스트 결과, 트리아제 시스템 적용 전후로 응급 환자의 대기 시간 중위값 294초 (422.5초 [사분위 범위 299] - 70.5초 [사분위 범위 168])만큼 유의하게 줄었으며, 방사선 전문의의 보고 처리 시간 중위값은 297.5초 (445.0초 [사분위 범위 298] - 88.5초 [사분위 범위 179])로 유의하게 빨라졌다 (p < 0.001).