人工智能软件在综合性卒中中心的应用显著缩短大血管闭塞卒中患者的门-穿刺时间

《Internal and Emergency Medicine》：The implementation of an artificial intelligence-based software for large vessel occlusion stroke improves door-to-puncture time at a comprehensive stroke center

【编辑推荐】为优化大血管闭塞（LVO）急性缺血性卒中（AIS）救治流程，本研究回顾性分析了人工智能软件（Viz LVO）在综合性卒中中心的应用效果。结果显示：AI实施后患者90分钟内接受血管内血栓切除术（EVT）的比例从26.5%提升至68.1%，门-穿刺时间中位数从109分钟降至75分钟（p<0.001），证实AI系统能有效改善卒中救治时效性指标。

　　

在全球范围内，急性缺血性卒中（AIS）每年影响着1500万人的健康，而大血管闭塞（LVO）更是导致患者残疾和死亡的主要原因。随着血管内血栓切除术（EVT）成为LVO卒中的标准治疗方案，"时间就是大脑"的理念显得尤为重要——美国心脏协会为此设定了将门-设备时间控制在90分钟内的质量目标。然而在临床实践中，特别是在患者群体多元化的城市医疗中心，如何快速识别LVO并协调多学科团队实现高效救治，仍是一个重大挑战。

正是在这样的背景下，发表于《Internal and Emergency Medicine》的研究团队开展了一项创新性探索。该研究聚焦于人工智能技术在卒中救治流程中的实际应用效果，特别是在以西班牙裔人群为主的综合性卒中中心的表现。研究人员采用回顾性队列研究设计，分析了2018年7月至2022年7月期间222例接受EVT治疗的患者数据，比较AI软件（Viz LVO）实施前后（2020年7月为分界点）的关键指标变化。

研究发现，AI系统的引入使救治效率得到了显著提升。最引人注目的是，90分钟内接受EVT的患者比例从实施前的26.5%大幅提高至68.1%，达到了质的变化。门-穿刺（DTG）时间中位数也从109分钟缩短至75分钟，这一34分钟的改善具有显著的统计学意义（p<0.001）。中断时间序列分析进一步证实，这种改善确实与AI系统的实施时间点相吻合，而非自然的时间趋势。

研究团队采用了多项关键技术方法来确保研究的科学性和可靠性。研究设计为单中心回顾性队列分析，严格遵循STROBE报告规范。数据来源于综合性卒中中心的质控数据库，涵盖非转诊的直接到院患者。核心评估指标包括门-穿刺时间、CTA判读至穿刺时间等时间指标，以及治疗率、TICI（脑梗死溶栓）评分、住院时间和临床结局等效果指标。统计分析方法综合运用了曼-惠特尼U检验、卡方检验和中断时间序列分析，并使用R软件（4.4.2版本）进行处理，确保了对非正态分布数据和比例数据的恰当分析。

主要研究结果

流程时间指标显著改善

AI实施后，门-穿刺时间中位数从109分钟（四分位距88-137分钟）降至75分钟（四分位距59-95分钟）。CTA判读至穿刺时间也从63.5分钟缩短至45分钟，说明AI系统通过加速影像分析和团队协作，有效压缩了诊断至治疗的关键环节时间。

治疗可及性提高

在AI实施后，急性缺血性卒中患者接受EVT治疗的比例从11.2%上升至18.1%。这一变化可能源于更快速的影像识别和多学科协作，使更多符合条件的患者能够及时获得介入治疗机会。

再通效果与临床结局

两组患者在血管再通成功率（TICI评分≥2b）方面无显著差异（术前93.5% vs 术后90.3%）。住院时间中位数（术前12天 vs 术后10.4天）和死亡率/临终关怀率（术前29.4% vs 术后25.9%）也未出现统计学显著变化，但研究对这些次要结局的检验效能有限。

讨论与意义

本研究证实了AI决策支持系统在真实世界卒中救治环境中的价值。特别是在西班牙裔患者占多数的城市医疗中心，AI平台通过并行影像分析、即时通讯和多学科协同等功能，有效优化了卒中救治链条中的关键环节。值得注意的是，CTA判读至穿刺时间的改善贡献了约一半的总时间节约，体现了AI在加速诊断决策方面的核心价值。

研究的局限性包括单中心设计的普遍性问题、缺乏90天功能结局数据，以及回顾性研究固有的混杂因素干扰。然而，中断时间序列分析为AI的实施效果提供了有力支持，显示时间改善与干预点高度吻合，且干预前后均无显著时间趋势。

这项研究的意义在于，它不仅验证了AI技术在特定人群中的适用性，更提示了健康信息技术在解决医疗差异方面的潜力。未来研究可进一步探讨AI系统如何在更广泛的医疗网络中优化转诊流程、减少不同人群间的救治差异，以及如何整合更多功能模块以实现全流程的智能化卒中救治。