[embedyt] https:\/\/www.youtube.com\/watch?v=Kc2oQrcFKxQ[\/embedyt]<\/p>\n
<\/p>\n
Wintermark, J. Anderson, V. Gupta, T.A. Kennedy, L.A. Loevner, R.F. Riascos, C. Robson, G. Saigal and C. Glastonbury<\/p>\n
American Journal of Neuroradiology Fevereiro de 2021,<\/p>\n
https:\/\/doi.org\/10.3174\/ajnr.A6968<\/a><\/p>\n Recomenda\u00e7\u00f5es:\u00a0\u00a0<\/strong><\/p>\n \u00c9 altamente recomend\u00e1vel que residentes e especializandos de radiologia tenham pelo menos 16\u201324 semanas de treinamento em neurorradiologia sob a orienta\u00e7\u00e3o de um neurorradiologista. Al\u00e9m disso, \u00e9 recomendado que pelo menos metade dessas semanas ocorra durante os \u00faltimos 3 anos de seu treinamento antes de come\u00e7arem a praticar independentemente.<\/p>\n A interpreta\u00e7\u00e3o cont\u00ednua e a educa\u00e7\u00e3o sobre o c\u00e9rebro, coluna, cabe\u00e7a e pesco\u00e7o e neurovascular devem ocorrer durante a resid\u00eancia. Embora um n\u00famero espec\u00edfico de casos n\u00e3o seja indicativo de capacita\u00e7\u00e3o, uma orienta\u00e7\u00e3o a ser considerada \u00e9 que um residente\/especializando de radiologia interprete pelo menos 300 tomografias de neuroimagem, 150 exames de resson\u00e2ncia magn\u00e9tica de neuroimagem e 50 estudos de imagem neurovascular (angio TC e RM) sob a orienta\u00e7\u00e3o e supervis\u00e3o de um neurorradiologista durante os \u00faltimos 3 anos de seu treinamento, antes de come\u00e7ar a dar laudos por conta pr\u00f3pria.<\/p>\n \u00c9 altamente recomend\u00e1vel que o conhecimento e capacita\u00e7\u00e3o em Neuroimagem sejam testados. Os recursos para avalia\u00e7\u00e3o podem incluir testes de compet\u00eancia estabelecidos pela institui\u00e7\u00e3o de origem, desempenho no RadExam (https:\/\/www.acr.org\/Lifelong-Learning-and-CME\/Learning-Activities\/RadExam) ou formatos de teste semelhantes.<\/p>\n Conclus\u00e3o:<\/strong><\/p>\n Pensando na seguran\u00e7a do paciente, os residentes e especializandos de radiologia que se formarem em junho de 2021 ou ap\u00f3s e ingressarem na pr\u00e1tica, que n\u00e3o atenderam \u00e0s recomenda\u00e7\u00f5es listadas acima, devem considerar seriamente n\u00e3o interpretar nem mesmo estudos de neurorradiologia mais simples.<\/p>\n Para a pr\u00e1tica independente e interpreta\u00e7\u00e3o de neurorradiologia avan\u00e7ada (incluindo neurorradiologia pedi\u00e1trica, radiologia de cabe\u00e7a e pesco\u00e7o e neuroimagem avan\u00e7ada), um fellowship formal em neurorradiologia aprovado pela ACGME \u00e9 altamente recomendado. Um fellowship de neurorradiologia garantir\u00e1 exposi\u00e7\u00e3o, experi\u00eancia e compet\u00eancia para neurorradiologia de rotina e avan\u00e7ada.<\/p>\n \u00a0<\/strong><\/p>\n M.T. Caton, B. Laguna, K.A. Soderlund, W.P. Dillon and V.N. Shah<\/p>\n American Journal of Neuroradiology Fevereiro de 2021<\/p>\n https:\/\/doi.org\/10.3174\/ajnr.A7018<\/a><\/p>\n Quest\u00e3o cl\u00ednica:<\/strong><\/p>\n Este estudo descreve um m\u00e9todo para estimar a complac\u00eancia cr\u00e2nioespinhal utilizando infus\u00e3o de solu\u00e7\u00e3o salina durante a mielografia por TC e explora o uso da complac\u00eancia cr\u00e2nioespinhal e curvas de press\u00e3o-volume em pacientes com suspeita de f\u00edstula venosa-cerebrospinal.<\/p>\n O que foi feito:<\/strong><\/p>\n Pacientes com suspeita de f\u00edstula venosa cefalorraquidiana foram submetidos \u00e0 mielografia por TC din\u00e2mica. Durante o procedimento, um bolus de 1 a 5 mL de solu\u00e7\u00e3o salina foi infundido e as mudan\u00e7as incrementais na press\u00e3o do LCR foram registradas. Esses dados foram usados para tra\u00e7ar curvas de complac\u00eancia do espa\u00e7o cranioespinhal.<\/p>\n Constata\u00e7\u00f5es e resultados:\u00a0<\/strong><\/p>\n Foram analisados 34 mielogramas por TC em 22 pacientes. Oito de 22 (36,4%) pacientes tinham f\u00edstulas venosas cefalorraquidianas confirmadas. A infus\u00e3o do bolus foi bem tolerada, sem complica\u00e7\u00f5es e cefaleia transit\u00f3ria em 2\/34 (5,8%). Pacientes com f\u00edstulas venosas cefalorraquidianas confirmadas apresentaram maior complac\u00eancia na press\u00e3o de abertura e complac\u00eancia geral (2,6 versus 1,8 mL \/ cm H20, P <0,01). N\u00e3o houve diferen\u00e7a no \u00edndice de volume de press\u00e3o (77,5 versus 54,3 mL, P = 0,13) entre os grupos.<\/p>\n Conclus\u00e3o:<\/strong><\/p>\n Um m\u00e9todo para derivar curvas de complac\u00eancia do espa\u00e7o cranioespinhal usando infus\u00e3o intratecal de solu\u00e7\u00e3o salina \u00e9 descrito. A an\u00e1lise preliminar das curvas de complac\u00eancia do espa\u00e7o cranioespinhal fornece informa\u00e7\u00f5es qualitativas e quantitativas sobre a din\u00e2mica press\u00e3o-volume e pode servir como uma ferramenta diagn\u00f3stica em pacientes com f\u00edstulas venosas cerebroespinhais conhecidas ou suspeitas.<\/p>\n <\/p>\n Jiang, G. Zhu, Y. Xie, J.J. Heit, H. Chen, Y. Li, V. Ding, A. Eskandari, P. Michel, G. Zaharchuk and M. Wintermark<\/p>\n American Journal of Neuroradiology Fevereiro de 2021, 42 (2) 240-246<\/p>\n https:\/\/doi.org\/10.3174\/ajnr.A6918<\/a><\/p>\n O que foi feito:<\/strong><\/p>\n Uma coorte multic\u00eantrica retrospectiva de 1431 pacientes com AVC isqu\u00eamico agudo foi subdividida em pacientes recanalizados e n\u00e3o recanalizados. Modelos de Extreme Gradient Boosting Machine Learning foram constru\u00eddos para prever a pontua\u00e7\u00e3o o mRS em 90 dias usando recursos cl\u00ednicos, de imagem, combinados e de melhor desempenho.<\/p>\n Constata\u00e7\u00f5es e resultados:<\/p>\n Em 3 grupos de pacientes, o NIHSS basal foi o preditor de resultado mais significativo entre todos os par\u00e2metros, com pesos relativos de 0,36 \u00b1 0,69; o volume central isqu\u00eamico no CTP classificado como o biomarcador de imagem mais importante com pesos relativos de 0,29 \u00b1 0,47. O modelo com os recursos de melhor desempenho teve uma performance melhor do que os outros modelos de machine learning. A \u00e1rea sob a curva do modelo com as caracter\u00edsticas de melhor desempenho foi maior do que o modelo SPAN-100 e atingiu signific\u00e2ncia estat\u00edstica para o total (P <0,05) e para os pacientes n\u00e3o recanalizados (P <0,001).<\/p>\n Conclus\u00e3o:<\/strong><\/p>\n A sele\u00e7\u00e3o de recursos baseada em machine learning pode identificar par\u00e2metros com melhor desempenho na previs\u00e3o de resultados. Modelos de machine learning com os recursos de melhor desempenho, especialmente dados de CTP avan\u00e7ados, tiveram desempenho superior na previs\u00e3o do resultado de recupera\u00e7\u00e3o para pacientes com AVC na admiss\u00e3o em compara\u00e7\u00e3o com o SPAN-100.<\/p>\n SPAN: Progn\u00f3stico de AVC usando a escala de idade e do National Institutes of Health Stroke<\/p>\n <\/p>\n Lucie Friedauer, Beata Rezny\u2010Kasprzak, Helmuth Steinmetz, Richard du Mesnil de Rochemont, Christian Foerch<\/p>\nCurvas de complac\u00eancia cr\u00e2nioespinhal: experi\u00eancia preliminar com uma nova ferramenta para avaliar suspeitas de f\u00edstulas venosas no LCR na mielografia por TC em pacientes com hipotens\u00e3o intracraniana espont\u00e2nea<\/strong><\/span><\/h5>\n
Predi\u00e7\u00e3o de desfecho cl\u00ednico em pacientes com AVC isqu\u00eamico agudo de grandes vasos: Desempenho de Machine Learning versus SPAN-100<\/strong><\/span><\/h5>\n
F\u00edstulas liqu\u00f3ricas em pacientes com siderose superficial infratentorial do sistema nervoso central – Refinamento de um algoritmo de diagn\u00f3stico<\/strong><\/span><\/h5>\n