综述：使用 Viz.ai 软件自动检测急性大血管闭塞及其对卒中中心卒中工作流程指标和患者预后的影响：一项系统评价和荟萃分析

这篇综述聚焦于人工智能（AI）在卒中治疗中的应用，尤其是 Viz.ai 软件。通过系统评价和荟萃分析发现，Viz.ai 能显著缩短大血管闭塞（LVO）患者血管内治疗（EVT）的时间，优化卒中工作流程，但对患者临床结局的改善尚不明确。

　　

引言

急性缺血性卒中（AIS）是美国及全球范围内导致长期残疾和死亡的主要原因之一。大血管闭塞（LVO）约占缺血性卒中的 30 - 40%，会造成患者较高的致残率和死亡率。目前，AIS 患者在症状发作 4.5 小时内的主要治疗标准是静脉溶栓，但因其治疗时间窗有限且对 LVO 的再通率不理想，应用受限。机械取栓（MT）被证明对治疗脑 LVO 安全有效，但治疗时间对患者预后至关重要，当前的医疗系统在患者转运和治疗流程上存在延误。为减少延误，全球开始实施人工智能驱动的移动卒中系统，其中 Viz.ai 是常用平台之一，但此前关于其效果的研究存在局限性，因此开展本系统评价和荟萃分析。

方法

本研究严格遵循 Cochrane 系统评价干预手册和 PRISMA 声明的指南进行。

1. 数据库检索：使用 “机器学习”“人工智能”“深度学习” 与 “大血管闭塞”“缺血性卒中” 等相关检索词，在 PubMed、Web of Science 和 Scopus 数据库中检索截至 2024 年 10 月的文献。
2. 筛选：用 EndNote 7 软件去除重复文献，再通过 Rayyan 软件进行筛选。先由两名作者独立根据标题和摘要筛选，再对初步纳入的文献进行全文筛选，有分歧时通过协商或请教资深作者解决。
3. 纳入和排除标准：纳入包含疑似 LVO 并接受 CT 血管造影（CTA）的患者、在卒中中心实施 Viz.ai 平台前后对比评估、测量卒中工作流程指标和患者临床结局的队列研究、回顾性研究或随机对照试验（RCT）；排除病例报告、综述以及未对比 Viz.ai 平台实施前后情况的研究。
4. 质量评估：对于纳入的观察性队列研究，使用 Cochrane 提供的纽卡斯尔 - 渥太华量表工具评估质量；对于 RCT，采用 Cochrane 偏倚风险工具（RoB 2.0）评估偏倚风险。
5. 数据提取和结局测量：两名独立作者用 Microsoft Excel 提取基线数据和卒中工作流程指标、患者临床结局等数据。
6. 统计分析：使用 Review Manager 5.4 软件进行荟萃分析，通过多种方法评估异质性、进行敏感性分析和检测发表偏倚。

结果

1. 检索和筛选过程：检索到 4652 项研究，经筛选后最终纳入 12 项研究，共涉及 15595 名患者。
2. 基线特征：纳入研究的预研究组有 6335 名患者，后研究组有 9260 名患者，预研究组平均年龄约 68.4 岁，后研究组约 68.9 岁，性别分布在两组中也有一定比例。
3. 偏倚风险评估和发表偏倚：11 项观察性研究质量大多良好，1 项 RCT 存在一些偏倚风险问题。通过漏斗图未观察到明显的发表偏倚。
4. 卒中工作流程指标结果：Viz.ai 软件的应用使 CTA 到 EVT 开始时间（标准化均数差 SMD -0.71）、门到腹股沟穿刺（DTG）时间（SMD -0.50）、CTA 到再通时间（SMD -0.55）、门进 - 门出时间（SMD -0.49）、到神经介入放射科医生（NIR）通知时间（SMD -0.87）均显著缩短，且 EVT 后转至综合卒中中心（CSC）的比率（风险比 RR 1.46）显著增加。
5. 临床结局结果：在临床结局方面，症状性颅内出血（RR 0.82）、任何颅内出血（RR 1.05）、死亡率（RR 0.72）在 AI 辅助组和对照组之间无显著差异；90 天改良 Rankin 量表评分（mRS）≤2 的患者比例虽有改善趋势，但未达统计学意义（RR 1.31）；两组住院时间也无显著差异（RR -0.46）。

讨论

1. Viz.ai 对卒中工作流程的影响：AI 集成到卒中护理中，特别是通过 Viz.ai 平台，在检测 LVO 和改善卒中工作流程指标方面具有显著潜力。多项关键时间指标的缩短，表明 AI 能加速急性卒中护理的关键阶段，提高工作效率，这得益于其自动检测功能和整体软件框架带来的协同效应。
2. Viz.ai 对临床结局的影响：尽管 Viz.ai 在工作流程上有明显改善，但在某些临床结局上未显示出统计学差异，这凸显了卒中结局的复杂性。不过，90 天功能独立性改善的趋势值得进一步研究，可能带来长期益处。
3. 研究局限性和未来方向：本研究存在局限性，如研究设计、AI 实施策略和结局测量的异质性，以及部分研究随访期较短等。未来研究应更详细报告 LVO 位置，以更精准分析 Viz.ai 等 AI 检测工具的有效性；同时，医疗系统在实施 AI - 卒中分诊系统时，需综合评估成本、效益和挑战。

结论

Viz.ai 平台在减少 LVO 患者 EVT 延误和优化综合卒中中心（CSC）的卒中流程指标方面具有显著潜力，但还需更多研究评估其对患者临床结局的改善效果，以确认其在改善 LVO 患者预后方面的有效性。