KR102391151B1 - 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법 - Google Patents
뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법 Download PDFInfo
- Publication number
- KR102391151B1 KR102391151B1 KR1020200016837A KR20200016837A KR102391151B1 KR 102391151 B1 KR102391151 B1 KR 102391151B1 KR 1020200016837 A KR1020200016837 A KR 1020200016837A KR 20200016837 A KR20200016837 A KR 20200016837A KR 102391151 B1 KR102391151 B1 KR 102391151B1
- Authority
- KR
- South Korea
- Prior art keywords
- dysphagia
- lesion
- stroke
- patients
- prognosis
- Prior art date
Links
- 208000019505 Deglutition disease Diseases 0.000 title claims abstract description 95
- 208000006011 Stroke Diseases 0.000 title claims abstract description 89
- 238000000034 method Methods 0.000 title claims abstract description 56
- 230000003902 lesion Effects 0.000 claims abstract description 158
- 210000004556 brain Anatomy 0.000 claims abstract description 70
- 230000002146 bilateral effect Effects 0.000 claims abstract description 56
- 210000004227 basal ganglia Anatomy 0.000 claims abstract description 39
- 238000004393 prognosis Methods 0.000 claims abstract description 34
- 230000005855 radiation Effects 0.000 claims abstract description 14
- 230000009747 swallowing Effects 0.000 claims description 51
- 238000011084 recovery Methods 0.000 claims description 38
- 210000004885 white matter Anatomy 0.000 claims description 32
- 230000002490 cerebral effect Effects 0.000 claims description 31
- 238000012360 testing method Methods 0.000 claims description 17
- 210000000133 brain stem Anatomy 0.000 claims description 16
- 230000002792 vascular Effects 0.000 claims description 14
- 239000007788 liquid Substances 0.000 claims description 6
- 230000001154 acute effect Effects 0.000 claims description 3
- 230000001684 chronic effect Effects 0.000 claims description 2
- JXSJBGJIGXNWCI-UHFFFAOYSA-N diethyl 2-[(dimethoxyphosphorothioyl)thio]succinate Chemical compound CCOC(=O)CC(SP(=S)(OC)OC)C(=O)OCC JXSJBGJIGXNWCI-UHFFFAOYSA-N 0.000 claims 1
- 230000006870 function Effects 0.000 description 13
- 210000002425 internal capsule Anatomy 0.000 description 13
- 235000005911 diet Nutrition 0.000 description 8
- 238000002595 magnetic resonance imaging Methods 0.000 description 8
- 235000016709 nutrition Nutrition 0.000 description 7
- 241000153246 Anteros Species 0.000 description 6
- 238000003384 imaging method Methods 0.000 description 6
- 230000035764 nutrition Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000002591 computed tomography Methods 0.000 description 5
- 230000037213 diet Effects 0.000 description 5
- 238000009792 diffusion process Methods 0.000 description 5
- 238000010837 poor prognosis Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000012706 support-vector machine Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 208000032382 Ischaemic stroke Diseases 0.000 description 4
- 230000002238 attenuated effect Effects 0.000 description 4
- 239000012530 fluid Substances 0.000 description 4
- 238000010191 image analysis Methods 0.000 description 4
- 238000002075 inversion recovery Methods 0.000 description 4
- 230000000926 neurological effect Effects 0.000 description 4
- 230000002085 persistent effect Effects 0.000 description 4
- 230000004083 survival effect Effects 0.000 description 4
- 238000010200 validation analysis Methods 0.000 description 4
- 210000004204 blood vessel Anatomy 0.000 description 3
- 230000000378 dietary effect Effects 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 238000003780 insertion Methods 0.000 description 3
- 230000037431 insertion Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000000491 multivariate analysis Methods 0.000 description 3
- 238000005192 partition Methods 0.000 description 3
- 206010061216 Infarction Diseases 0.000 description 2
- 238000002790 cross-validation Methods 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000000586 desensitisation Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007574 infarction Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 238000000729 Fisher's exact test Methods 0.000 description 1
- 208000004454 Hyperalgesia Diseases 0.000 description 1
- 208000002720 Malnutrition Diseases 0.000 description 1
- 206010035669 Pneumonia aspiration Diseases 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 206010053552 allodynia Diseases 0.000 description 1
- 201000009807 aspiration pneumonia Diseases 0.000 description 1
- 230000001364 causal effect Effects 0.000 description 1
- 210000001638 cerebellum Anatomy 0.000 description 1
- 238000000546 chi-square test Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 230000009194 climbing Effects 0.000 description 1
- 238000009223 counseling Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000003745 diagnosis Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000004064 dysfunction Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002594 fluoroscopy Methods 0.000 description 1
- 210000001652 frontal lobe Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000010832 independent-sample T-test Methods 0.000 description 1
- 235000020888 liquid diet Nutrition 0.000 description 1
- 238000001325 log-rank test Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000001259 mesencephalon Anatomy 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 201000001119 neuropathy Diseases 0.000 description 1
- 230000007823 neuropathy Effects 0.000 description 1
- 235000018343 nutrient deficiency Nutrition 0.000 description 1
- 235000003715 nutritional status Nutrition 0.000 description 1
- 210000000869 occipital lobe Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 210000001152 parietal lobe Anatomy 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 208000033808 peripheral neuropathy Diseases 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002600 positron emission tomography Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000010187 selection method Methods 0.000 description 1
- 239000008234 soft water Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 235000021127 solid diet Nutrition 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 230000000152 swallowing effect Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 210000003478 temporal lobe Anatomy 0.000 description 1
- 238000011282 treatment Methods 0.000 description 1
- 238000011269 treatment regimen Methods 0.000 description 1
- 238000007473 univariate analysis Methods 0.000 description 1
- 210000004785 virchow-robin space Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/032—Transmission computed tomography [CT]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
- A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
- A61B6/03—Computed tomography [CT]
- A61B6/037—Emission tomography
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Medical Informatics (AREA)
- Physics & Mathematics (AREA)
- Heart & Thoracic Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Veterinary Medicine (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- High Energy & Nuclear Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Optics & Photonics (AREA)
- Pulmonology (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Magnetic Resonance Imaging Apparatus (AREA)
Abstract
본 발명은 뇌졸중 환자의 연하곤란 예후 예측 방법에 관한 것으로, 보자 상세하게는 뇌졸중 발병 후 연하곤란 증상을 보이는 환자 중 뇌의 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 있는 대상 환자는 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 포함으로써 뇌졸중 환자의 예후를 보다 더 정확하게 예측할 수 있다.
Description
본 발명은 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법에 관한 것이다.
연하곤란은 허혈성 뇌졸중 후 발생할 수 있는 가장 흔한 합병증 중 하나이다. 상대적으로 양성의 임상 단계임에도 불구하고, 뇌졸중 발병 후 6개월까지 지속적인 이질 증세를 보일 수 있는 환자는 13 내지 18%에 이른다. 충분한 영양 지원을 제공하고 흡인성 폐렴을 예방하기 위해서 장기간의 연하곤란을 나타낼 것으로 예상되는 고위험환자를 찾아내는 것이 중요하다. 적절한 영양 공급(feeding) 방법에 대한 지연된 결정 또는 불필요한 구강 섭취 제한은 뇌졸중 후 삼키는 기능 결과에 방해가 될 수 있다. 또한 뇌졸중 후 연하 곤란은 퇴원 후 보호시설로 보내지는 비율을 증가시키고 장기적으로 기능적인 능력이 저하되는 결과를 초래할 수 있다.
뇌졸중 치료 후 관리에 있어서 장기적인 삼킴 회복의 예측은 중요하다. 구체적인 회복 정도를 개별화함으로써 임상의는 적절한 평가 계획을 선정하고 치료전략을 수립하며 환자와 그 가족에게 상담을 지원할 수 있다. 기능적 삼킴 회복 요인에 대한 지식은 높은 정확도를 가진 사후 뇌졸중에 대한 예후 모델을 개발하는 데 필수적이다.
본 발명은 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법을 제공하는 것을 목적으로 한다.
1. 뇌졸중 발병 후 연하곤란 증상을 보이는 환자 중 뇌의 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 있는 대상 환자는 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 포함하는, 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
2. 위 1에 있어서, 상기 양측 병변은 a) 병변의 장축이 2mm를 초과하는 경우, b) 병변의 형태가 원형, 타원형 및 선형이 아닌 형태인 경우, c) 액체감약반전회복 영상에서 병변 주변 고강도 신호가 나타나는 경우, 및 d) 양측 반구에서 비대칭 병변이 나타나는 경우 중 적어도 두 개에 해당하는 것인, 방법.
3. 위 1에 있어서, 상기 대상 환자 중 뇌에서 중증 뇌백질 고신호 병변이 관찰되었거나; 상기 대상 환자의 연하곤란 임상 척도 값이 20 이상이거나; 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 상기 대상 환자에게 튜브영양이 권장되었거나; 또는 상기 대상 환자가 남자이면 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 더 포함하는, 방법.
4. 위 1에 있어서, 상기 대상 환자 중 뇌의 방사관에 양측 병변이 없는 경우, 편측 병변이 있거나; 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변이 있거나; 대뇌섬에 병변이 있거나; 뇌줄기의 혈관 영역이 전외측에 위치하거나; 또는 상기 대상 환자가 65세 이상이면 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 더 포함하는, 방법.
5. 위 1에 있어서, 뇌졸중 발병 후 연하곤란 증상을 보이는 환자 중 뇌의 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 있고; 뇌 이미지에서 중증 뇌백질 고신호 병변이 관찰되었고; 연하곤란 임상 척도 값이 20 이상이고; 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 튜브영양이 권장되었고; 남자이고; 뇌의 방사관에 양측 병변이 없는 경우, 편측 병변이 있고; 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변이 있고; 대뇌섬에 병변이 있고; 뇌줄기의 혈관 영역이 전외측에 위치하고; 및 65세 이상인 대상 환자는 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 포함하는, 방법.
6. 위 3에 있어서, 상기 중증 뇌백질 고신호 병변은 뇌실 주위 백질과 심부 백질에서 파제카스 지수의 합이 5 이상인 것인, 방법.
7. 위 3에 있어서, 상기 연하곤란 임상 척도 값은 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사(VFSS)에 의해 평가된 것인, 방법.
본 발명 정보제공방법을 이용해 뇌졸중 발병 후 연하곤란 증상을 보이는 환자에게서 6개월 이상의 기간 동안 연하곤란이 지속될지 여부를 보다 정확하게 예측할 수 있다.
도 1은 방사관, 기저핵 및/또는 내포에서의 양측 병변이 있는 75세 남성 환자의 확산강조 및 액체감약반전회복 영상을 나타낸다. 구체적으로, 도 1은 좌뇌의 방사관(도 1A)과 기저핵/내포(도 1B)에서 급성 경색(화살표)진단을 받고, 우뇌의 방사관(도 1C) 및 기저핵/내포(도 1D)에서 오래된 병변(화살표) 진단을 받은 환자의 뇌 영상으로, 위 환자는 뇌졸중 발생 후 6개월이 경과했음에도 계속적으로 심한 연하곤란 증상을 나타냈다.
도 2는 뇌졸중 후 연하곤란 환자의 전체적인 삼킴 회복 기간(도 2A) 및 임상 예측 인자에 따른 삼킴 회복 기간(도 2B: 초기 비디오투시 연하 검사(Videofluoroscopic swallowing study, VFSS)에서 튜브영양 권장 유무에 따른 삼킴 회복 기간, 도 2C: 연하곤란 임상 척도에 따른 삼킴 회복 기간, 도 2D: 성별에 따른 삼킴 회복 기간)을 나타낸 카플란-마이어 생존분석의 추정값(Kaplan-Meier estimates)이다.
도 3은 뇌졸중 후 연하곤란 환자의 방사선 예측 인자에 따른 삼킴 회복 기간(도 3A: CR/BG/IC에서 양측 병변에 따른 삼킴 회복 기간, 도 3B: 중증 WMH에 따른 삼킴 회복 기간)을 나타낸 카플란-마이어 생존분석의 추정값이다.
도 4는 허혈성 뇌졸중 환자들의 임상적 요인(밝은 회색)과 방사선적 요인(어두운 회색)을 이용하여 연하 기능 회복 곤란을 예측하는 tree-argumented network 모델을 도식화한 것이다.
도 5는 베이지안 네트워크 모델의 수학식에 사용되는 각 변수 사이의 조건부 확률 표를 나타낸다.
도 6은 일 실시예에 따른 뇌졸중 환자의 연하곤란 예후 예측 시스템을 도식화한 것이다.
도 2는 뇌졸중 후 연하곤란 환자의 전체적인 삼킴 회복 기간(도 2A) 및 임상 예측 인자에 따른 삼킴 회복 기간(도 2B: 초기 비디오투시 연하 검사(Videofluoroscopic swallowing study, VFSS)에서 튜브영양 권장 유무에 따른 삼킴 회복 기간, 도 2C: 연하곤란 임상 척도에 따른 삼킴 회복 기간, 도 2D: 성별에 따른 삼킴 회복 기간)을 나타낸 카플란-마이어 생존분석의 추정값(Kaplan-Meier estimates)이다.
도 3은 뇌졸중 후 연하곤란 환자의 방사선 예측 인자에 따른 삼킴 회복 기간(도 3A: CR/BG/IC에서 양측 병변에 따른 삼킴 회복 기간, 도 3B: 중증 WMH에 따른 삼킴 회복 기간)을 나타낸 카플란-마이어 생존분석의 추정값이다.
도 4는 허혈성 뇌졸중 환자들의 임상적 요인(밝은 회색)과 방사선적 요인(어두운 회색)을 이용하여 연하 기능 회복 곤란을 예측하는 tree-argumented network 모델을 도식화한 것이다.
도 5는 베이지안 네트워크 모델의 수학식에 사용되는 각 변수 사이의 조건부 확률 표를 나타낸다.
도 6은 일 실시예에 따른 뇌졸중 환자의 연하곤란 예후 예측 시스템을 도식화한 것이다.
본 발명은 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법을 제공한다.
본 발명 정보제공방법은 뇌졸중 발병 후 연하곤란 증상을 보이는 환자의 뇌 이미지에서 방사관(corona radiate; CR), 기저핵(basal ganglia; BG) 및 내포(internal capsule; IC) 중 적어도 하나에서 양측 병변의 존부를 확인하는 단계를 포함할 수 있다.
뇌 이미지는 뇌 자기공명영상 (MRI), 컴퓨터단층촬영(CT) 또는 양전자방출 단층촬영 영상(PET) 등으로부터 얻어진 것일 수 있다.
자화율 강조 자기공명영상(susceptibility-weighted image; SWI) 기법, 싱글-샷 에코-플래너 영상(Single-shot echo-planar imaging; SS-EPI) 기법, 멀티-샷 에코-플래너 영상(Multi-shot echo-planar imaging; MS-EPI) 기법 또는 패스트 스핀 에코(fast spin echo; FSE) 기법 등을 이용해 뇌 MRI 영상 또는 이미지를 얻을 수 있다.
액체감약반전회복 영상(FLAIR; fluid attenuated inversion recovery), 확산 강조 자기공명영상(DWI; diffusion weighted image), 현성확산계수 (ADC; apparent diffusion coefficient) 영상, T1 강조영상, T2 강조영상 등을 이용해 뇌 MRI 영상 또는 이미지를 얻을 수 있다.
액체감약반전회복 영상(FLAIR; fluid attenuated inversion recovery), 확산 강조 자기공명영상(DWI; diffusion weighted image), 현성확산계수 (ADC; apparent diffusion coefficient) 영상, T1 강조영상, T2 강조영상 등을 이용해 MRI 영상 또는 이미지로부터 병변을 확인할 수 있다.
용어 '병변'은 질병이 발생하여 손상된 조직을 의미한다.
뇌 이미지에서의 신호 강도를 비교하여 병변 존부를 판단할 수 있고, 예를 들면 뇌 이미지에서 픽셀별로 신호 강도(ex. 회색도)를 비교하여, 병변 예상 부위가 존재하는 픽셀의 평균 신호 강도가 이를 둘러싼 픽셀의 신호 강도와 유의하게 차이가 있는지 여부를 판단하는 등의 방법으로 병변 존부를 확인할 수 있다.
예를 들어, 뇌 MRI 검사의 FLAIR영상 또는 T2 강조영상에서 다른 부분에 비해 신호 강도가 상대적으로 높은 고신호강도(high signal intensity)가 관찰되면 관찰된 고신호강도(영상에서 밝은 부분)를 병변으로 볼 수 있다.
용어 '고신호강도' 또는 '고강도 신호'는 뇌 이미지 또는 뇌 영상 전체에서 나타나는 신호들 중 상대적으로 높은 강도를 나타내는 신호를 의미하며, 예를 들어, 뇌 영상 내의 뇌실질의 신호 강도의 평균에 대하여 상대적으로 더 높은 강도를 나타내는 신호일 수 있다.
예를 들어, 뇌 MRI 검사의 T1 강조영상 또는 CT 검사에서 다른 부분에 비해 신호 강도가 상대적으로 낮은 저신호강도(low signal intensity)가 관찰되는 경우 관찰된 저신호강도(영상에서 어두운 부분)를 병변으로 볼 수 있다.
용어 ‘저신호강도’ 또는 ‘저강도 신호’는 뇌 이미지 또는 뇌 영상 전체에서 나타나는 신호들 중 상대적으로 낮은 강도를 나타내는 신호를 의미하며, 예를 들어, 뇌 영상 내의 뇌실질의 전체 신호 강도의 평균에 대하여 상대적으로 더 낮은 강도를 나타내는 신호일 수 있다.
예를 들어, 뇌 MRI 검사의 FLAIR 영상 기법, T2 강조영상 기법, T1 강조영상 기법, DWI 기법 또는 CT 검사로 얻은 제1 픽셀과 제2 픽셀을 포함하는 복수의 픽셀로 구성된 영상에서, 제1 픽셀에서의 신호강도와 제2 픽셀에서의 신호강도의 차이가 미리 정해진 값 이상인 경우 병변이 존재하는 것으로 볼 수 있다.
아래 4 가지 기준 중 적어도 2 가지에 해당하는 경우 양측 병변으로 볼 수 있다: a) 병변의 장축이 2mm를 초과하는 경우, b) 병변의 형태가 원형, 타원형 및 선형이 아닌 형태인 경우, c) 액체감약반전회복 영상에서 병변 주변에서 고강도 신호가 나타나는 경우, 및 d) 양측 반구에서 비대칭 병변이 나타나는 경우.
본 발명 정보제공방법은 뇌졸중 발병 후 연하곤란 증상을 보이는 환자 중 뇌의 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 있는 대상 환자는 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 포함할 수 있다.
방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 있는 환자는 그렇지 않은 환자 대비 뇌졸중 발병 후 연하곤란 회복율이 상대적으로 낮을 수 있다.
방사관, 기저핵 및 내포 중 적어도 하나에서의 양측 병변은 a) 병변의 장축이 2mm를 초과하는 경우, b) 병변의 형태가 원형, 타원형 및 선형이 아닌 형태인 경우, c) 액체감약반전회복 영상에서 병변 주변 고강도 신호가 나타나는 경우, 및 d) 양측 반구에서 비대칭 병변이 나타나는 경우 중 적어도 두 개에 해당하는 것일 수 있다.
즉, a) 병변의 장축이 2mm 이하인 경우, b) 병변의 형태가 원형, 타원형 또는 선형인 경우, c) 액체감약반전회복 영상에서 병변 주변 고강도 신호가 나타나지 않는 경우, 및 d) 양측 반구에서 대칭 병변이 나타나는 경우 중 세 개 이상에 해당하면 상기 양측 병변에서 배제될 수 있다.
용어 '원형'은 일정한 점에서 같은 거리에 있는 점들의 집합의 형태로, 장축의 길이와 단축의 길이가 동일하거나 통상의 기술자가 장축의 길이와 단축의 길이가 동일한 것으로 볼 수 있는 형태를 포함한다. 원형은 기하학적으로 완벽한 원형을 의미하는 것이 아니며, 이에 가깝다고 볼 수 있는 도형까지 포함한다.
용어 ‘타원형’은 평면 위의 두 정점(定點)에서의 거리의 합이 일정하거나 통상의 기술자가 두 정점에서의 거리의 합이 일정한 것으로 볼 수 있는 점들의 집합의 형태로, 장축의 길이와 단축의 길이가 동일하지 않은 형태일 수 있다. 예를 들어, 장축의 길이가 단축의 길이의 2배보다 크거나 같은 경우(장축≥2×단축)일 수 있고, 장축의 길이가 단축의 길이의 2배보다 작은 경우(장축 < 2×단축)일 수 있다. 타원형은 기하학적으로 완벽한 타원형을 의미하는 것이 아니며, 이에 가깝다고 볼 수 있는 도형까지 포함한다.
용어 '선형'은 선처럼 가늘고 긴 모양으로 그 두께나 길이는 제한되지 않는다. 선형은 기하학적으로 완벽한 선형을 의미하는 것이 아니며, 이에 가깝다고 볼 수 있는 도형까지 포함한다.
본 발명 정보제공방법은 환자의 뇌에서 중증 뇌백질 고신호 병변이 관찰되는지; 상기 환자의 연하곤란 임상 척도 값이 20 이상인지; 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 상기 환자에게 튜브영양이 권장되었는지; 및 상기 환자가 남자인지 중 적어도 하나를 확인하는 단계를 더 포함할 수 있다.
본 발명 정보제공방법은 상기 대상 환자 중 뇌에서 중증 뇌백질 고신호 병변이 관찰되었거나; 상기 대상 환자의 연하곤란 임상 척도 값이 20 이상이거나; 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 상기 대상 환자에게 튜브영양이 권장되었거나; 또는 상기 대상 환자가 남자이면 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 더 포함할 수 있다.
상기 대상 환자 중 뇌에서 중증 뇌백질 고신호 병변이 관찰되었거나; 상기 대상 환자의 연하곤란 임상 척도 값이 20 이상이거나; 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 상기 대상 환자에게 튜브영양이 권장되었거나; 또는 상기 대상 환자가 남자이면 그렇지 않은 환자 대비 뇌졸중 발병 후 연하곤란 회복율이 상대적으로 낮을 수 있다.
중증 뇌백질 고신호 병변은 여러 가지 방법 및 기준으로 평가될 수 있으며, 통상의 기술자가 평가할 수 있는 것이면 제한되지 않는다.
예를 들어, 중증 뇌백질 고신호 병변은 심부 백질(deep white matter)과 뇌실 주위 백질(periventricular white matter)로 분류하여 뇌백질 손상 정도를 측정하는 파제카스(Fazekas) 척도를 이용하여 평가될 수 있다.
일 구현예에 따르면, 뇌실 주위 백질과 심부 백질에서 파제카스 지수의 합이 5 이상인 경우 중증 뇌백질 고신호 병변에 해당하는 것으로 평가될 수 있다.
연하곤란 임상 척도(Clinical Dysphagia Scale; CDS) 값은 뇌졸중 발병 후 최초로 수행된 VFSS에 의해 평가된 것일 수 있다.
연하곤란 임상 척도는 연하곤란 정도를 임상적으로 파악하여 점수화하여 나타내는 척도 중 하나로, 통상의 기술자에게 공지된 방법으로 연하곤란 임상 척도 값이 측정될 수 있다.
뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 튜브영양의 권장 여부는 통상의 기술자에게 공지된 방법 및 기준으로 수행될 수 있다.
고형식이와 액상식이 과정에서 기도 흡인이 발생하는 경우나 튜브영양을 시행하지 않았을 때 영양 결핍이 발생하는 경우, 튜브영양이 권장될 수 있다.
본 발명 정보제공방법은 상기 대상 환자 중 뇌의 방사관에 양측 병변이 없는 경우, 편측 병변이 있는지; 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변이 있는지; 대뇌섬에 병변이 있는지; 뇌줄기의 혈관 영역이 전외측에 위치하는지; 또는 상기 대상 환자가 65세 이상인지 확인하는 단계를 더 포함할 수 있다.
본 발명 정보제공방법은 상기 대상 환자 중 뇌의 방사관에 양측 병변이 없는 경우, 편측 병변이 있거나; 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변이 있거나; 대뇌섬에 병변이 있거나; 뇌줄기의 혈관 영역이 전외측에 위치하거나; 또는 상기 환자가 65세 이상이면 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 더 포함할 수 있다.
상기 대상 환자 중 뇌의 방사관에 양측 병변이 없는 경우, 편측 병변이 있거나; 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변이 있거나; 대뇌섬에 병변이 있거나; 뇌줄기의 혈관 영역이 전외측에 위치하거나; 또는 상기 대상 환자가 65세 이상이면 그렇지 않은 환자 대비 뇌졸중 발병 후 연하곤란 회복율이 상대적으로 낮을 수 있다.
본 발명 정보제공방법은 뇌졸중 발병 후 연하곤란 증상을 보이는 환자 중 뇌의 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 있고; 뇌 이미지에서 중증 뇌백질 고신호 병변이 관찰되었고; 연하곤란 임상 척도 값이 20 이상이고; 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 튜브영양이 권장되었고; 남자이고; 뇌의 방사관에 양측 병변이 없는 경우, 편측 병변이 있고; 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변이 있고; 대뇌섬에 병변이 있고; 뇌줄기의 혈관 영역이 전외측에 위치하고; 및 65세 이상인 대상 환자는 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것으로 예측하는 단계를 포함할 수 있다.
또한, 본 발명은 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성을 예측하는 모델을 제공한다.
예측 모델은 베이지안 네트워크로 학습된 모델일 수 있다.
베이지안 네트워크는 확률 변수의 인과 관계를 그래프로 나타내고 분석하는 확률 모형이다.
본 발명 예측 모델은 하기 수학식 1로 표현될 수 있다.
[수학식 1]
p(c,x)=p(c)p(bg│c,sex)p(sex│c,wmh)p(cds│c,wmh)p(insula│c,cds)p(bilateral│c,wmh)p(init_tube│c,bilateral)p(cr|c,init_tube)p(antero|c,init_tube)c(lateral|c,antero),
(수학식 1에서, c: 삼킴 기능 회복 여부, bg: 기저핵에 병변 위치, sex: 남성, wmh: 중증 WHM 존재, cds: 연하곤란 임상 척도 값 20 이상, insula: 대뇌섬에 병변 위치, bilateral: 양측 병변성, init_tube: 초기 VFSS에서 튜브 영양 권장, cr: 방사관에 병변 위치, antero: 뇌줄기의 전외측 혈관 영역 존재, lateral: 병변 편측성)
베이지안 식에서 p(b|a)는 사건 a가 발생하는 조건 하에서 사건 b의 발생할 확률을 의미한다. p(d|e,f)는 사건 e와 사건 f가 발생하는 조건 하에서 사건 d가 발생할 확률을 의미한다.
예컨대, 상기 수학식 1에서 p(c,x)는 다양한 변수들의 조건과 삼킴 기능의 회복의 결합 확률을 의미한다.
또한, 본 발명은 뇌졸중 환자의 연하곤란 예후 예측 시스템을 제공한다.
도 6을 참고하여 본 발명 연하곤란 예후 예측 시스템(1000)을 설명한다.
연하곤란 예후 예측 시스템은 뇌졸중 환자의 데이터를 입력 받는 데이터 입력부(100)를 포함할 수 있다.
데이터 입력부(100)는 뇌졸중 환자의 방사선적 데이터, 예컨대 뇌 이미지를 입력 받는 뇌 이미지 입력부(110); 및 임상 데이터를 입력 받는 임상 데이터 입력부(120); 중 적어도 하나를 포함할 수 있다.
뇌 이미지에 관한 내용은 전술한 바 있어, 구체적인 설명은 생략한다.
임상 데이터는 환자의 성별, 나이, 뇌실 주위 백질과 심부 백질에서 파제카스 지수의 합, 연하곤란 임상 척도 값, 비디오투시 연하 검사에서 튜브영양의 권장 여부, 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 또는 편측 병변의 존부, 대뇌섬에 병변 존부, 및 뇌줄기의 혈관 영역의 위치로 이루어진 군에서 선택된 적어도 하나일 수 있으며, 이외에도 통상의 기술자가 얻을 수 있는 임상 데이터가 포함될 수 있다.
연하곤란 예후 예측 시스템은 뇌 이미지 입력부가 입력 받은 이미지를 분석하여 방사관, 기저핵, 내포 또는 대뇌섬 등 뇌의 각 영역들에 병변이 존재하는지, 양측 병변이 존재하는지 등을 판단하고, 판단된 결과를 저장하는 뇌 이미지 분석부(300)를 더 포함할 수 있다.
뇌 이미지 분석부(300)는 뇌 이미지가 FLAIR영상 또는 T2 강조영상에 의한 이미지인 경우 이미지 전체에서 미리 정해진 값 이상의 신호강도가 나타나면 병변이 존재하는 것으로 판단할 수 있다.
뇌 이미지 분석부(300)는 뇌 이미지가 T1 강조영상 또는 CT 검사에 의한 이미지인 경우 이미지 전체에서 미리 정해진 값 이하의 신호강도가 나타나면 병변이 존재하는 것으로 판단할 수 있다.
뇌 이미지 분석부(300)는 뇌 이미지에서의 신호 강도를 비교하여 병변 존부를 판단할 수 있고, 예를 들면 뇌 이미지에서 픽셀별로 신호 강도(ex. 회색도)를 비교하여, 병변 예상 부위가 존재하는 픽셀의 평균 신호 강도가 이를 둘러싼 픽셀의 신호 강도와 유의하게 차이가 있는지 여부를 판단하는 등의 방법으로 병변 존부를 확인할 수 있다.
뇌 이미지 분석부(300)는 제공받은 뇌 전체 이미지의 영역을 좌뇌 영역과 우뇌 영역으로 나누어 양측 병변 존부를 판단할 수 있다.
뇌 이미지 분석부(300)에는 좌뇌 영역과 우뇌 영역을 구분할 수 있는 기준이 미리 저장되어 있을 수 있다.
뇌 이미지 분석부(300)는 정상인 또는 환자의 뇌 이미지(대조군)로부터 얻어진 신호 세기로부터 좌뇌와 우뇌를 구분할 수 있는 축을 결정하고, 결정된 축에 대한 정보를 미리 저장할 수 있다.
뇌 이미지 분석부(300)는 미리 저장된 좌뇌와 우뇌를 구분할 수 있는 축을 기준으로 양쪽에서 모두 병변이 존재하고, a) 병변의 장축이 2mm를 초과하는 경우, b) 병변의 형태가 원형, 타원형 및 선형이 아닌 형태인 경우, c) 병변의 주변에서 고강도 신호가 나타나는 경우, 및 d) 병변이 양측 반구에서 비대칭으로 나타나는 경우 중 적어도 2 가지에 해당하면 양측 병변이 존재하는 것으로 판단할 수 있다.
연하곤란 예후 예측 시스템은 복수의 변수들에 대한 미리 정해진 기준이 입력된 기준 입력부(200)를 포함할 수 있다.
예를 들어, 기준 입력부(200)는 1) 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 존재(제1 기준), 2) 뇌실 주위 백질과 심부 백질에서 파제카스 지수의 합이 5 이상(제2 기준), 3) 연하곤란 임상 척도 값이 20 이상(제3 기준), 4) 비디오투시 연하 검사에서 튜브영양의 권장(제4 기준), 5) 남자(제5 기준), 6) 방사관에 양측 병변이 없는 경우, 편측 병변 존재(제6 기준), 7) 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변 존재(제7 기준), 8) 대뇌섬에 병변 존재(제8 기준), 9) 뇌줄기의 혈관이 전외측에 위치(제9 기준) 및 10) 65세 이상(제10 기준) 등 복수의 기준들이 미리 입력되어 있을 수 있다.
연하곤란 예후 예측 시스템은 뇌 이미지 분석부(300)에 저장된 복수의 결과 및 임상 데이터 입력부(120)가 입력 받은 복수의 데이터들 중 적어도 하나가 기준 입력부(200)에 입력된 기준에 해당하면 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 것으로 예측하는 판단부(400)를 포함할 수 있다.
예를 들어, 판단부(400)는 입력부(100)가 입력 받은 데이터를 분석하여 기준 입력부(200)에 입력된 기준 중 하나인 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변 존재하는 경우에 해당하면, 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 것으로 예측할 수 있다.
연하곤란 예후 예측 시스템은 판단부(400)로부터 예측된 연하곤란 예후를 표시하는 표시부(500)를 포함할 수 있다.
이하, 본 발명을 구체적으로 설명하기 위해 실시예를 들어 상세하게 설명하기로 한다.
하기 실험을 통해 뇌졸중 후 연하 곤란 환자의 장기적 삼킴 회복을 위한 임상 및 방사선 예측 인자를 탐구하고, 기계 학습 알고리즘을 사용하여 예측 모델을 개발 및 검증하였다.
실험 방법
연구 대상
2014년 1월 1일부터 2018년 6월 31일 사이에 급성 허혈성 뇌졸중 환자를 대상으로 하여 본 연구를 진행하였으며, 이 환자들은 삼킴 어려움에 의해 비디오투시 연하 검사(Videofluoroscopic swallowing study, VFSS) 대상이 되었다. 평가 과정에서, 환자들의 삼킴 기능은 표준화된 선별 시험 또는 임상 검진으로 의사에 의해 평가되었으며, 뇌졸중 후 연하곤란이 의심되는 경우 VFSS의 대상이 되었다. 환자들의 모든 진료 기록을 후향적으로 검토하였다. 연하 기능장애가 발생할 수 있는 부수적인 신경병이 있는 경우, 19세 미만인 경우, 기관절개술이 수행된 경우, 무의식인 경우, 뇌졸중 발생 전의 연하곤란이 발생된 경우, 및 뇌 자기공명영상(MRI) 기록이 없는 경우는 검토 대상에서 배제되었다. 또한, 4개월 미만의 기간 동안 모니터링된 환자 중 삼킴 회복이 미흡한 환자로부터 얻은 데이터는 분류 모델의 개발 과정에서 제외하였다. 본 연구는 기관 검토 위원회에 의해 승인되었다. 모든 관련 지침 및 규정에 따라 절차를 수행하였다.
데이터 수집
환자들로부터 나이(65세 이상인지 여부), 성별, 입원 시 국립보건원 뇌졸중 척도(NIHSS)에 의한 뇌졸중의 중증도, 뇌졸중의 위치, 뇌줄기의 혈관 분포 영역, 뇌졸중의 편측성, 다초점 병변, 방사관(CR), 기저핵(BR) 및/또는 내포(IC)에서의 양측 병변(도 1 참조), WMH의 중증도, 연하곤란 임상척도(CDS), 및 초기 VFSS에서 튜브영양이 권장되었는지 여부를 포함하는 인구학적, 신경학적 및 연하의 특성을 수득하였다.
뇌졸중의 중증도는 NIHSS에 따라 경증(0-6), 중등도(7-16), 중증(17-40)으로 분류되었다. 뇌줄기의 혈관 분포 영역은 경색부의 영역이 여러 개의 혈관 영역을 동시에 포함할 수 있을 만큼 충분히 큰 경우 환자에 중첩될 수 있다. CR/BR/IC에서의 양측 병변 및 뇌백질 고신호 병변(WMH)의 중증도는 각각 두명의 재활전문의로부터 평가되었다. 확산강조영상(diffusion weighted images) 및 액체감약반전회복영상(fluid attenuated inversion recovery images)을 사용하여 평가된 CR/BR/IC에서의 양측 병변은 급성 및 만성 병변을 모두 포함하였다. 아래 기준 중 3개 이상을 충족시키는 경우는 혈관주위공간 확장(Virchow-Robin spaces)으로 간주하고 배제하였다. 그 기준은 아래와 같다: 1) 2mm 이하, 2) 부드러운 원형, 타원형 또는 선형, 3) 액체감약반전회복(FLAIR, fluid attenuated inversion recovery) 영상에서 주변 고강도 없음 및 4) 양측 반구에서 대칭 병소.
뇌실 주변과 심부백질에서의 뇌백질 고신호 병변(WMH)은 초기 MRI의 액체감약반전회복영상을 이용하여 파제카스 지수(Fazekas rating scale)를 기반으로 평가하였다. 중증의 뇌백질 고신호 병변은 뇌실 주위 백질과 심부 백질에서 파제카스 지수의 합이 5 이상인 경우로 정의된다.
연하곤란 임상 척도(CDS)는 초기 VFSS 동안 평가되었다. 연하곤란 임상 척도는 경증(20 미만의 값)하거나 중등도에서 중증(20 이상의 값)의 연하곤란으로 구분되었다. 초기 VFSS는 뇌졸중 발병 후 최초로 수행된 VFSS를 의미한다. 재활전문의들은 CDS 및 VFSS를 수행하여 연하 기능을 평가하였고, 튜브 삽입과 식이 점도 조절을 포함하는 영양 공급 전략을 수립하였다. 외래 환자 클리닉이나 후속 VFSS에서 지속적인 연하곤란 증상이 있는 환자의 영양 공급 상태가 추적 관찰되었다. VFSS 및 외래환자 클리닉의 간격은 초기 단계에서 4주 미만이었으며, 삼킴 회복의 경과를 고려하여 점진적으로 1-3 개월로 길어졌다. 결과적으로 본 연구는 뇌졸중 발병 후 6개월 내 연하 기능 수준을 확인한 것이다. 영양을 위해 튜브를 삽입하거나 식이 점도 조절이 필요하지 않다면 예후가 좋은 것으로 판단하였고, 튜브 삽입이나 식이 점도 조절 중 하나가 필요하다면 좋지 않은 예후가 좋지 않은 것으로 판단하였다.
통계 분석
연속 변수에 대한 독립 표본 t-test, 및 범주형 변수에 대한 chi-squared test 또는 Fisher's exact test를 사용하여, 예후가 좋은 환자와 좋지 않은 환자들 간의 인구학적, 신경학적 및 연하의 특성을 비교하였다. 생존 분석에서, 뇌졸중 전의 식이로 최초의 성공적인 회복을 관심 이벤트로 정의하였다.
Kaplan-Meier method을 이용하여 뇌졸중 전 식이로의 최초 회복 시간을 분석하였고, stratified log-rank test를 이용하여 인구학적, 신경학적, 및 연하의 특성을 포함하는 공변량을 분석하였다. 잠재적 예측 요인을 확인하기 위해, 각 공변량에 콕스 비례 위험 모델을 사용하였다. 콕스 비례 위험 모델의 다변량 분석에서 P-value 0.2 미만인 요인은 공변량으로 사용하였으며, 다변량 제어에 전진 변수 선택 방법을 적용하였다. SPSS 소프트웨어(version 19; SPSS Inc, Chicago, IL, USA)를 이용하여 생존 분석을 위한 통계 분석을 수행하였고, 유의수준을 P<0.05로 설정하였다.
예측 모델 개발 및 검증
뇌졸중 발병 후 6개월 내 연하 기능 회복 예측 모델 개발을 위해, 베이지안 네트워크 모델을 이용하여 뇌졸중 환자를 연하 예후가 좋은 환자(6 개월 미만의 기간 내에 연하 기능 회복)와 연하 예후가 좋지 않은 환자(6 개월 이상의 기간 경과 후 연하 기능 회복)로 분류하였다. 데이터를 통해 베이지안 네트워크를 학습하는 과정은 네트워크의 그래픽 구조를 식별하기 위한 구조 학습과 조건부 확률 분포와 네트워크의 digraph 사이 연관성을 추정하기 위한 매개변수 학습으로 구성되었다. 이 프로세스의 목표는 레이블된 인스턴스가 있는 주어진 데이터 세트를 가장 잘 나타내는 매개 변수 세트에 대한 최적의 베이지안 네트워크 구조를 탐색하는 것이었다. 본 연구의 구조 및 매개변수 학습을 위해, 5 배의 교차 검증 된 예측 정확도 추정치를 점수로 사용하여 greedy hill-climbing algorithm을 갖는 tree-augmented network models (TAN)(도 4 참조)과 semi-naive network models (SNB)을 제작하였다. 두 가지 유형의 특징 선택(feature selection)을 수행하였다: TAN에 대한 생존 모델의 Cox proportional-hazards analyses에서 P-value가 0.2 미만인 특징 변수 선택, 및 SNB에 대한 a forward sequential feature selection 및 joining algorithm을 이용하여 P-value가 0.5 미만인 특징 변수 선택. 또한, 하이퍼파라미터 최적화 후 support vector machine (SVM)을 사용하여 개선된 베이지안 네트워크 모델의 수행을 벤치마킹하였다.
훈련과 검증 과정 동안, 전체 데이터 세트를 훈련 세트와 시험 세트로 각각 75:25의 비율로 나누었다. 5 배의 교차 검증을 위해 훈련 세트는 동일한 크기의 5개의 서브세트로 무작위로 분할되었다. 하나의 분할이 검증 세트로 선택되었고, 나머지 분할은 예측 모델을 훈련시키는데 사용되었다. 데이터 세트에서 예후가 좋고 좋지 않은 환자 간의 클래스 불균형을 완화하여 오류 비용을 줄이기 위해, 과다 샘플링 알고리즘으로서 adaptive synthetic sampling(ADASYN)을 소수 클래스에 대해 수행하였다. ADASYN은 서로 다른 양의 합성 데이터를 적응적으로 생성하는 체계적인 오버샘플링 방법이며, 소수 클래스에 대해 생성되어 그 밀도 분포에 따라 치우친 분포를 보충할 필요가 있다. 학습 및 검증 프로세스의 경우, 과도한 적합성과 지나치게 낙관적인 추정을 피하기 위해 오직 훈련 분할에서만 합성 샘플을 생성하여 오버샘플링하는 과정에서 5 배의 교차 검증을 사용하였다. 이는 훈련 분할에서 생성된 합성 샘플이 시험 세트로 오염되는 것을 방지할 수 있다. 마지막으로, 세 가지 측정 기준을 사용하여 시험 세트에서 모델 성능을 평가하였다: 불균형 데이터 세트에서 생성된 모델의 예측 성능을 평가하기 위해 사용된 지표에 대한 좋은 옵션으로 간주되는 수신기 작동 특성 곡선 (ROC) 의 아래 영역, F1 스코어, 및 매튜 상관 계수(MCC). 분석의 전체 과정은 R version 3.4.2 (The R Foundation, Vienna, Austria)를 이용해 수행하였으며, 베이지안 네트워크와 SVM를 기반으로 한 예측 모델의 개발 및 검증에는 bnclassify, caret, 및 kernlab 패키지를 함께 이용하였고, 소수 클래스의 오버 샘플링에는 imbalance 패키지를 함께 이용하였다.
개선된 베이지안 네트워크 모델의 수식은 아래 수학식 1과 같다.
[수학식 1]
p(c,x)=p(c)p(bg│c,sex)p(sex│c,wmh)p(cds│c,wmh)p(insula│c,cds)p(bilateral│c,wmh)p(init_tube│c,bilateral)p(cr|c,init_tube)p(antero|c,init_tube)c(lateral|c,antero),
(수학식 1에서, c: 삼킴 기능 회복 여부, bg: 기저핵에 병변 위치, sex: 남성, wmh: 중증 WHM 존재, cds: 연하곤란 임상 척도 값 20 이상, insula: 대뇌섬에 병변 위치, bilateral: 양측 병변성, init_tube: 초기 VFSS에서 튜브 영양 권장, cr: 방사관에 병변 위치, antero: 뇌줄기의 전외측 혈관 영역 존재, lateral: 병변 편측성)
수학식 1은 베이지안 네트워크 모델 중 tree-augmented network model을 기반으로 만들어졌다. 도 4에 수학식 1을 도출한 tree-argumented network 모델을 나타내었다.
예측 변수는 삼킴 기능의 병전 회복(recovery of prestrike diet)이며, 각 요인들 사이의 조건부 확률과 네트워크의 digraph 사이 연관성을 기반으로 삼킴 기능의 병전 회복을 예측할 수 있다.
도 5에 수학식 1에서 사용되는 각 변수들 사이의 조건부 확률 표를 나타냈다.
실험 결과
임상 정보
VFSS의 대상이 된 총 187명의 뇌졸중 후 연하 곤란 환자들의 정보가 확인되었고 137명의 환자들이 포함 기준을 충족하였다. 포함 기준을 충족한 137명의 급성 허혈성 뇌졸중 환자 각각을 대상으로 검사를 진행하였다. 연하곤란은 뇌졸중 후 6개월 동안 모니터링되었으며, Kaplan-Meier 방법과 Cox 회귀 모델을 사용하여 분석되었다.
표 1은 137명의 환자들의 인구학, 신경학, 및 연하 특성의 정보를 나타낸다.
| 변수 | 총 환자 (n=137) | 예후가 좋은 환자 (n=113) | 예후가 좋지 않은 환자 (n=24) | Odd ratio (95% CI) | P-value |
| 65세 이상 | 100 (73.0) | 78 (69.0) | 22 (91.7) | 4.94 (1.10-22.2) | 0.023* |
| 성별 | 0.008* | ||||
| 남성 | 69 (50.4) | 51 (45.1) | 18 (75.0) | 3.65 (1.35-9.87) | |
| 여성 | 68 (49.6) | 62 (54.9) | 6 (25.0) | 1.00 | |
| 입원 시 NIHSS | 0.116 | ||||
| 경증(0-6) | 48 (36.1) | 35 (32.1) | 13 (54.2) | 2.04 (0.59-7.07) | |
| 중등도(7-16) | 59 (44.4) | 52 (47.7) | 7 (29.2) | 0.74 (0.20-2.79) | |
| 중증(17-40) | 26 (19.5) | 22 (20.2) | 4 (16.7) | 1.00 | |
| 뇌줄기의 혈관 영역 | |||||
| 전내측(전방 및 내측) 영역 | 14 (10.2) | 11 (9.7) | 3 (12.5) | 1.33 (0.34-5.16) | 0.712 |
| 전외측(전방 및 외측) 영역 | 12 (8.8) | 7 (6.2) | 5 (20.8) | 3.99 (1.15-13.9) | 0.021* |
| 측면 영역 | 13 (9.5) | 10 (8.8) | 3 (12.5) | 1.47 (0.37-5.81) | 0.700 |
| 후면 영역 | 1 (0.7) | 1 (0.9) | 0 (0.0) | - | 1.000 |
| 병변 편측성 | 0.152 | ||||
| 우측 | 56 (40.9) | 50 (44.2) | 6 (25.0) | 0.72 (0.13-4.02) | |
| 좌측 | 67 (48.9) | 51 (45.1) | 16 (66.7) | 1.88 (0.38-9.31) | |
| 양측 | 14 (10.2) | 12 (10.6) | 2 (8.3) | 1.00 | |
| 병변 위치 | |||||
| 전두엽 | 64 (46.7) | 56 (49.6) | 8 (33.3) | 0.51 (0.20-1.28) | 0.148 |
| 두정엽 | 49 (35.8) | 42 (37.2) | 7 (29.2) | 0.70 (0.27-1.82) | 0.458 |
| 측두엽 | 38 (27.7) | 31 (27.4) | 7 (29.2) | 1.09 (0.41-2.88) | 0.863 |
| 후두엽 | 14 (10.2) | 13 (11.5) | 1 (4.2) | 0.33 (0.04-2.69) | 0.281 |
| 방사관 | 53 (38.7) | 41 (36.3) | 12 (50.0) | 1.76 (0.72-4.27) | 0.210 |
| 기저핵/내포 | 54 (39.4) | 42 (37.2) | 12 (50.0) | 1.69 (0.70-4.10) | 0.243 |
| 대뇌섬(Insula) | 33 (24.1) | 25 (22.1) | 8 (33.3) | 1.76 (0.68-4.59) | 0.243 |
| 사상 | 9 (6.6) | 7 (6.2) | 2 (8.3) | 1.38 (0.27-7.08) | 00657 |
| 중뇌 | 2 (1.5) | 2 (1.8) | 0 (0.0) | - | 1.000 |
| 뇌교 | 15 (10.9) | 12 (10.6) | 3 (12.5) | 1.20 (0.31-4.64) | 0.727 |
| 연수 | 15 (10.9) | 11 (9.7) | 4 (16.7) | 1.86 (0.54-6.41) | 0.300 |
| 소뇌 | 12 (8.8) | 10 (8.8) | 2 (8.3) | 0.94 (0.19-4.58) | 1.000 |
| 다초점 병변 | 18 (13.1) | 16 (14.2) | 2 (8.3) | 0.55 (0.12-2.57) | 0.739 |
| CR/BG/IC에서 양측 병변 | 30 (21.9) | 17 (15.0) | 13 (54.2) | 6.67 (2.57-17.33) | <0.001* |
| 중증 WMH | 22 (16.1) | 14 (12.4) | 8 (33.3) | 3.54 (1.28-9.77) | 0.011* |
| 연하곤란 임상 척도 20 이상 | 49 (35.8) | 33 (29.2) | 16 (66.7) | 4.85 (1.89-12.42) | 0.001* |
| 초기 VFSS에서 튜브영양 권장 | 27 (19.7) | 10 (8.8) | 17 (70.8) | 25.01 (8.38-74.68) | <0.001* |
연구 대상 그룹의 평균 연령은 68.7(±14.0)세 였으며, 69명(50.4%)의 환자가 남성이었다. 뇌졸중 발병으로부터 초기 VFSS까지의 평균 기간은 16.8(±8.3)일이었다. 24명(17.5%)의 환자가 초기 6개월 동안 지속적인 연하곤란을 나타냈으며, 평균 연하곤란 기간은 65.6일이었다.
아래 변수들에서 예후가 좋은 환자와 예후가 좋지 않은 환자들 간에 유의한 차이가 관찰되었다: 65세 이상(p=0.023), 남성(p=0.008), 전외측 영역(anterolateral territory)(p=0.021)에 존재하는 뇌줄기 혈관, CR/BG/IC의 양측 병변(p<0.001), 중증의 WMH(p=0.011), CDS 20 이상(p=0.001), 및 초기 VFSS에서 튜브영양 권장(p<0.001).
통계 평가
Kaplan-Meier 추정치에 따르면 삼킴 회복의 평균 기간이 65.6일(95% 신뢰구간[CI], 54.8-76.5)이었다(도 2A 참조). 서브그룹의 분석 결과, 예후가 좋은 환자의 삼킴 회복 평균 기간은 41.0일(95% CI, 33.5-48.5)이었다.
Log-rank 시험에 따르면 초기 VFSS에서 튜브영양 권장 유무(p<0.001), 연하곤란 임상 척도가 20 이상인지 여부(p=0.001), 남성인지 여부(p=0.010), CR/BG/IC에서 양측 병변의 존부(p<0.001), 및 중증의 WMH 여부(p=0.010)가 삼킴 회복 기간에 차이를 나타내는 요인으로 확인되었다(도 2B 내지 2D 및 도 3 참조).
도 2 및 도 3에서 누적된 회복율(cumulative recovery rate)은 전체 환자 중 뇌졸중 발생 이전의 식이 상태로 돌아온 환자의 비율로, 예컨대 누적된 회복율이 0.8인 경우, 전체 환자 중 80% 환자가 최종적으로 뇌졸중 발생 이전의 식이 상태로 회복된 것을 의미한다.
도 2에 나타난 바와 같이, 초기 VFSS에서 튜브영양이 권장된 환자, 연하곤란 임상 척도가 20 이상인 환자 또는 남성인 환자의 경우 그렇지 않은 환자 보다 뇌졸중 발병 후 6개월 내 삼킴 회복율이 좋지 않다는 것을 확인하였다.
또한, 도 3에 나타난 바와 같이, CR/BG/IC의 양측 병변이 존재하는 환자, 중증 뇌백질 고신호 병변이 나타나는 환자의 경우 그렇지 않은 환자 보다 뇌졸중 발병 후 6개월 내 삼킴 회복율이 좋지 않다는 것을 확인하였다.
Cox 회귀 모델을 이용한 다변량 분석에 따르면 튜브 영양 상태(p<.001), CR/BG/IC(p=.001)의 양측 병변 및 연하곤란 임상 척도(p=.042)가 삼킴 회복 기간에 차이를 나타내는 유의한 예측 요인이었다.
표 2는 삼킴 기능 회복 불량에 대한 단변량 및 다변량 콕스 비례 위험 모델의 결과를 나타낸다(*P-value<0.05).
| 변수 | 단변량 분석 | 다변량 분석 | ||
| 헤저드 비율 (95% CI) | P-value | 헤저드 비율 (95% CI) | P-value | |
| 남성 | 1.62(1.12-2.37) | 0.011* | ||
| 병변 위치 방사관(CR) | 1.46(0.99-2.14) | 0.056 | ||
| 병변 위치 기저핵(BR)/내포(IC) | 1.36(0.93-1.99) | 0.118 | ||
| 병변 위치 대뇌섬(Insula) | 1.47(0.94-2.30) | 0.088 | ||
| 병변 편측성(Lesion laterality) | 0.77(0.56-1.05) | 0.094 | ||
| 우측 | 1.00 | - | ||
| 좌측 | 1.18(0.63-2.21) | 0.617 | ||
| 양측 | 0.70(0.37-1.31) | 0.257 | ||
| 전외측 영역에 뇌줄기 혈관 분포 | 1.72(0.80-3.71) | 0.167 | ||
| CR/BG/IC에서의 양측 병변 | 2.46(1.46-4.14) | 0.001* | 2.38(1.41-4.03) | 0.001* |
| 중증의 WMH | 2.09(1.21-3.61) | 0.008* | ||
| 연하곤란 임상 척도 20 이상 | 1.94(1.29-2.93) | 0.001* | 1.53 (1.02-2.31) | 0.042* |
| 초기 VFSS에서 튜브영양 권장 | 6.64(3.42-2.87) | <0.001* | 5.93 (3.04-11.57) | <0.001* |
베이지안 네트워크 모델
표 3은 예측 모델에 대한 성능 평가 결과를 나타낸다.
| TAN 모델 | SNB 모델 | SVM | |
| AUC (area under the receiver operating characteristic curve) | 0.802 | 0.755 | 0.780 |
| F1 스코어 | 0.906 | 0.885 | 0.809 |
| Matthews correlation coefficient(MCC) | 0.575 | 0.510 | 0.461 |
뇌졸중 후 6 개월 내 삼킴 회복의 예측에서, greedy hill climbing algorithm을 가진 TAN 에 기초한 분류자는 ROC 곡선 아래 영역의 넓이가 0.802, F1 스코어가 0.906, MCC가 0.575로, SNB 모델과 SVM에 기초한 다른 분류자를 능가하였다.
전술한 실험 결과들을 통해, 초기 연하곤란의 중증도와 CR/BG/IC에서 양측 병변, 및 중증 뇌백질 고신호 병변 등이 뇌졸중 후 연하 곤란 환자의 6개월 내 삼킴 회복과 관련된 중요한 예후 요인이라는 것을 확인하였다.
Claims (8)
- 뇌졸중 발병 후 연하곤란 증상을 보이는 환자 중 뇌의 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 있는 대상 환자는 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것이라는 정보를 제공하는 단계를 포함하고, 상기 병변은 급성 또는 만성 병변 중 적어도 하나인, 뇌졸중 환자의 연하곤란 예후 예측 시스템에 의해 수행되는 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
- 청구항 1에 있어서, 상기 병변은 a) 병변의 장축이 2mm를 초과하는 경우, b) 병변의 형태가 원형, 타원형 및 선형이 아닌 형태인 경우, c) 액체감약반전회복 영상에서 병변 주변 고강도 신호가 나타나는 경우, 및 d) 양측 반구에서 비대칭 병변이 나타나는 경우 중 적어도 두 개에 해당하는 것인, 뇌졸중 환자의 연하곤란 예후 예측 시스템에 의해 수행되는 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
- 청구항 1에 있어서, 상기 대상 환자 중 뇌에서 중증 뇌백질 고신호 병변이 관찰되었거나; 상기 대상 환자의 연하곤란 임상 척도 값이 20 이상이거나; 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 상기 대상 환자에게 튜브영양이 권장되었거나; 또는 상기 대상 환자가 남자이면 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것이라는 정보를 제공하는 단계를 더 포함하는, 뇌졸중 환자의 연하곤란 예후 예측 시스템에 의해 수행되는 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
- 청구항 1에 있어서, 상기 대상 환자 중 뇌의 방사관에 양측 병변이 없는 경우, 편측 병변이 있거나; 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변이 있거나; 대뇌섬에 병변이 있거나; 뇌줄기의 혈관 영역이 전외측에 위치하거나; 또는 상기 대상 환자가 65세 이상이면 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것이라는 정보를 제공하는 단계를 더 포함하는, 뇌졸중 환자의 연하곤란 예후 예측 시스템에 의해 수행되는 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
- 청구항 1에 있어서, 뇌졸중 발병 후 연하곤란 증상을 보이는 환자 중 뇌의 방사관, 기저핵 및 내포 중 적어도 하나에서 양측 병변이 있고; 뇌 이미지에서 중증 뇌백질 고신호 병변이 관찰되었고; 연하곤란 임상 척도 값이 20 이상이고; 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사에서 튜브영양이 권장되었고; 남자이고; 뇌의 방사관에 양측 병변이 없는 경우, 편측 병변이 있고; 기저핵 및 내포에 양측 병변이 없는 경우, 이 중 적어도 하나에 편측 병변이 있고; 대뇌섬에 병변이 있고; 뇌줄기의 혈관 영역이 전외측에 위치하고; 및 65세 이상인 대상 환자는 그렇지 않은 환자 대비 뇌졸중 발병 후 6개월 이상의 기간 동안 연하곤란이 지속될 가능성이 더 높을 것이라는 정보를 제공하는 단계를 포함하는, 뇌졸중 환자의 연하곤란 예후 예측 시스템에 의해 수행되는 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
- 청구항 3에 있어서, 상기 중증 뇌백질 고신호 병변은 뇌실 주위 백질과 심부 백질에서 파제카스 지수의 합이 5 이상인 것인, 뇌졸중 환자의 연하곤란 예후 예측 시스템에 의해 수행되는 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
- 청구항 3에 있어서, 상기 연하곤란 임상 척도 값은 뇌졸중 발병 후 최초로 수행된 비디오투시 연하 검사(VFSS)에 의해 평가된 것인, 뇌졸중 환자의 연하곤란 예후 예측 시스템에 의해 수행되는 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
- 청구항 1에 있어서, 상기 병변은 FLAIR영상 또는 T2 강조영상에서 다른 부분에 비해 고강도 신호가 관찰되는 영역이거나, T1 강조영상 또는 CT에서 다른 부분에 비해 저강도 신호가 관찰되는 영역인, 뇌졸중 환자의 연하곤란 예후 예측 시스템에 의해 수행되는 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200016837A KR102391151B1 (ko) | 2020-02-12 | 2020-02-12 | 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200016837A KR102391151B1 (ko) | 2020-02-12 | 2020-02-12 | 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| KR20210102624A KR20210102624A (ko) | 2021-08-20 |
| KR102391151B1 true KR102391151B1 (ko) | 2022-04-26 |
Family
ID=77466744
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020200016837A KR102391151B1 (ko) | 2020-02-12 | 2020-02-12 | 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법 |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR102391151B1 (ko) |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017002901A1 (ja) | 2015-06-30 | 2017-01-05 | 学校法人兵庫医科大学 | 嚥下障害検査装置、嚥下障害検査方法、嚥下障害治療装置および刺激電流設定方法 |
-
2020
- 2020-02-12 KR KR1020200016837A patent/KR102391151B1/ko active IP Right Grant
Non-Patent Citations (3)
| Title |
|---|
| 김돈규, 뇌졸중 후 삼킴곤란: 발생 빈도, 합병증 및 병변 부위별 양상, Brain & NeuroRehabilitation Vol. 2, No. 2, September, 2009* |
| 김주용 외 5명, 뇌졸중 후 연하장애 중증도와 관련된 임상 요소, Brain & NeuroRehabilitaion Vol 4, No. 2, September, 2011* |
| 윤성구 외 9명, 알츠하이머병과 경도인지손상 환자에서 백질 고강도와 인지기능장애와의 연관성, J Korean Neuropsychiatr Assoc 48:287-293, 2009* |
Also Published As
| Publication number | Publication date |
|---|---|
| KR20210102624A (ko) | 2021-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Crombé et al. | T2‐based MRI Delta‐radiomics improve response prediction in soft‐tissue sarcomas treated by neoadjuvant chemotherapy. | |
| Chan et al. | A red blood cell agglutination D-dimer test to exclude deep venous thrombosis in pregnancy | |
| van der Vlies et al. | Microbleeds do not affect rate of cognitive decline in Alzheimer disease | |
| Pang et al. | The UTE Disc Sign on MRI: a novel imaging biomarker associated with degenerative spine changes, low back pain, and disability | |
| Yu et al. | Detection and grading of esophageal varices on liver CT: comparison of standard and thin-section multiplanar reconstructions in diagnostic accuracy | |
| Gutierrez et al. | Dolichoectasia diagnostic methods in a multi‐ethnic, stroke‐free cohort: results from the northern Manhattan study | |
| Thomeer et al. | Can magnetic resonance imaging at 3.0‐T esla reliably detect patients with endometriosis? Initial results | |
| Lee et al. | Pulmonary embolism detected by pulmonary MDCT angiography in older children and young adults: risk factor assessment | |
| Eder et al. | Magnetic resonance enterographic predictors of one-year outcome in ileal and ileocolonic Crohn’s disease treated with anti-tumor necrosis factor antibodies | |
| Schramm et al. | Diagnostic accuracy of positron emission tomography for assessment of disease activity in large vessel vasculitis | |
| Ma et al. | Evaluation of motion artifact metrics for coronary CT angiography | |
| Sembill et al. | Simplified Edinburgh CT criteria for identification of lobar intracerebral hemorrhage associated with cerebral amyloid angiopathy | |
| Gao et al. | Radiomics for the prediction of epilepsy in patients with frontal glioma | |
| Murchison et al. | Predictive value of MRI parameters in severity and recovery of first-episode myelitis in aquaporin-4 antibody disease | |
| Roa et al. | Performance of aneurysm wall enhancement compared with clinical predictive scales: PHASES, ELAPSS, and UIATS | |
| Lehrieder et al. | Association of infarct volume before hemicraniectomy and outcome after malignant infarction | |
| Nishikawa et al. | Lewis score on capsule endoscopy can predict the prognosis in patients with small bowel lesions of Crohn's disease | |
| KR102391151B1 (ko) | 뇌졸중 환자의 연하곤란 예후 예측을 위한 정보제공방법 | |
| Beşler et al. | Shear wave elastography for the evaluation of testicular salvage after testicular torsion | |
| Danzer et al. | Predicting neonatal outcomes in infants with giant omphalocele using prenatal magnetic resonance imaging calculated observed‐to‐expected fetal lung volumes | |
| Liu et al. | Machine learning diagnosis of small-bowel Crohn disease using T2-weighted MRI radiomic and clinical data | |
| Akdogan et al. | Assessment of cerebral circulatory arrest via CT angiography and CT perfusion in brain death confirmation | |
| Mainenti et al. | MR-enterography in Crohn’s disease: what MRE mural parameters are associated to one-year therapeutic management outcome? | |
| Panczykowski et al. | A blinded, case-control trial assessing the value of steady state free precession magnetic resonance imaging in the diagnosis of trigeminal neuralgia | |
| Sporns et al. | Simplified assessment of lesion water uptake for identification of patients within 4.5 hours of stroke onset: an analysis of the MissPerfeCT study |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E701 | Decision to grant or registration of patent right | ||
| GRNT | Written decision to grant |