Mesterséges intelligencia alapú országos döntéstámogató rendszer bevezetése a hazai stroke-ellátás javítására = Introduction of Artificial Intelligence Based National Decision Support System to Improve Stroke Care in Hungary

Szikora, István and Magyar, Bence and Téglás, Sándor and Szudi, Gábor and Szalmás, Orsolya and Czencz, Máté and Kondor, Máté and Pozsár, Kinga and Nardai, Sándor and Erőss, Lóránd and Óváry, Csaba and Horváth, Krisztina and Molnár, Ferenc József and Pápai, György and Jancsó, Ádám and Szabó, Zoltán and Benes, Edvárd and Chadaide, Zoltán (2024) Mesterséges intelligencia alapú országos döntéstámogató rendszer bevezetése a hazai stroke-ellátás javítására = Introduction of Artificial Intelligence Based National Decision Support System to Improve Stroke Care in Hungary. LEGE ARTIS MEDICINAE, 34 (3). pp. 145-152. ISSN 0866-4811

Text mesterseges-intelligencia-alapu-orszagos-dontestamogato-rendszer-bevezetese-a-hazai-stroke-ellatas-javitasara.pdf - Published Version Restricted to Repository staff only until 26 March 2025. Download (2MB) | Request a copy

Abstract

BEVEZETÉS – Ischaemiás stroke esetén a re kanalizációs kezelés indikációja képalkotó vizsgálatokon alapul. Az indikáció felállításával, szükség esetén a képanyag más intézménybe történô továbbításával járó idôveszteség minimalizálása érdekében mes ter séges intelligenciával (MI) mûködô stroke képalkotó hálózatot (eStroke-hálózat) alakítottunk ki Magyarországon. A jelen közlemény célja ennek a bemutatása. ANYAG ÉS MÓDSZER – Az Országos Men tális Ideggyógyászati és Idegsebészeti In té zet (OMIII) szervezésében kiépített hálózatba 28 stroke-központot, köztük négy thrombectomiás központot vontunk be. A Pécsi Egyetem által korábban kiépített, és az OMIII projekttel párhuzamosan bôvített hálózat 10 centrumot fed le, így az ország 38 stroke-központjában érhetô el a szolgáltatás. A stroke-CT-vizsgálatok mindegyik köz pontból automatikusan egy központi te leradiológiai szerveren át a központi kép elemzô szerverre kerülnek, ahol MI-alapú szoftver (eStroke, Brainomix Ltd.) vizsgálja az ischaemiás terület kiterjedését (ASPECTskála), a nagyérelzáródás tényét és lokalizációját, a kollaterális keringés minôségét, va lamint a standard CT-perfúziós paramétereket. A feldolgozott képek és az eredmények automatikusan visszakerülnek a küldô intézet és a releváns thrombectomiás központ képarchiváló rendszerébe, valamint elérhetôvé válnak anonimizált formában, felhôszolgáltatáson keresztül asztali számítógépen vagy mobilapplikációban. EREDMÉNYEK – Mûködésének elsô egy éve alatt a rendszer 16276 betegrôl készült 38060 szkent dolgozott fel. Az OMIII ta pasztalatában, 65, illetve 152 betegbôl álló mintában másodlagos betegtranszport esetén a Mentôszolgálathoz érkezô elsô se gélyhívástól a thrombectomiás központba érkezésig eltelô idô ezen idôszakban 38 perccel, 4 óra 18 percrôl 3 óra 40 percre csökkent. KÖVETKEZTETÉS – Az akut stroke-ellátás eredményeinek javítása technikailag lehetséges a központi MI-alapú képalkotó hálózat kialakításával. Az eStroke-hálózat mû ködtetése rövidíti a betegszállítási transzportidôket, de ennek további optimalizálása szükséges. | INTRODUCTION – Indication for recanalization therapy of acute ischemic stroke is based on imaging procedures. In order to minimize the time loss passing by recog nizing the condition and the transfer of images to other facility, we established a stroke imaging network (eStroke network) supported by Artificial Intelligence (AI) in Hungary. Our study aims to present this system. METHODS AND MATERIAL – Organized by the National Institute of Mental Health, Neurology, and Neurosurgery (NIMNN), we included a total of 28 stroke centers, among them 4 thrombectomy centers. An earlier network of the University of Pécs and the widened network parallel with the NIMNN project cover 10 centers thus the service is now available in 38 stroke centers of this country. Stroke CT scans are automatically transmitted via the central teleradiology server to a central image processing server which analyzes the size of the ischemic area (ASPECT score), detects large vessel occlusion and it’s localization, analyzes the quality of collateral circula tion and standard CT perfusion parameters using an AI based software (eStroke, Brainomix Ltd.). Results and processed images are sent automatically back to the PACS system of the sending institution and that of the concerning thrombectomy center and become available in anonymous form via cloud by desktop computers or mobile application. RESULTS – During the first year of opera tion, the system has processed 38,060 scans of 16,276 patients. In NIMNN experience by samples of 65 and 152 cases, for drip and ship patients the time from the first alerting of the ambulance service, until arrival at the thrombectomy center was reduced by 38 minutes from 4:18 to 3:40 minutes. CONCLUSION – Building an AI based central stroke imaging network for improving of stroke care’s results is technically feasible. Operation of the eStroke system is capable of reducing patient transportation times, however, further optimization is needed.

Actions (login required)

Edit Item