Cursă contra timp: impactul imagisticii cranio-cerebrale în diagnosticul accidentului vascular cerebral

Race against time: the impact of craniocerebral imaging in the diagnosis of stroke

Stroke (CVA) is a medical emergency characterized by the sudden interruption of blood flow to a part of the brain, with damage or death of brain cells (Kundeti et al., 2021). This critical condition, predominantly classified into ischemic and hemorrhagic strokes, requires rapid medical intervention to minimize permanent neurological damage and improve the patient’s prognosis. Rapid recognition of symptoms and immediate access to medical facilities equipped with advanced imaging capabilities are therefore imperative in optimizing stroke management (Soun et al., 2023).

Accidentul vascular cerebral (AVC) – diagnostic vital
AVC reprezintă o problemă majoră de sănătate publică la nivel mondial, fiind una dintre principalele cauze de mortalitate și dizabilitate (Gauriau et al., 2023). Cu aproximativ 5,5 milioane de decese anual, AVC este a doua cauză principală de mortalitate la nivel global, cu un impact economic estimat la 34 de miliarde de dolari anual numai în Statele Unite (Soun et al., 2020). Aceste statistici subliniază urgența dezvoltării și implementării unor metode diagnostice rapide și precise pentru a îmbunătăți prognosticul pacienților și a reduce povara socio-economică asociată (Săceleanu et al. 2023, Mallula et al. 2020).
În contextul tulburărilor neurologice, care reprezintă a doua cauză principală de deces la nivel global, cu 9 milioane de decese anual, și principala cauză de dizabilitate, imagistica cranio-cerebrală joacă un rol crucial în diagnosticarea și gestionarea eficientă a AVC (Shoghli et al., 2023). În ciuda progreselor înregistrate în terapiile avansate, cum ar fi trombectomia endovasculară și tratamentul trombolitic, persistența disparităților în ceea ce privește accesul la diagnostic și tratament subliniază importanța inovațiilor în imagistica medicală (Abdi et al., 2025).
Așadar, AVC ischemic în particular, este o afecțiune cerebrovasculară predominantă, caracterizată prin ischemie și hipoxie cerebrală, cauzate de o obstrucție a fluxului sanguin cerebral, asociată cu rate ridicate de dizabilitate și recurență (Liu et al., 2024). Identificarea precoce și precisă a AVC ischemic este esențială pentru inițierea rapidă a intervențiilor terapeutice, optimizarea rezultatelor clinice și minimizarea sechelelor pe termen lung (Patil et al., 2022).

Imagistica – element definitoriu pentru diagnosticul precoce al AVC
Integrarea imagisticii cranio-cerebrale avansate este fundamentală pentru o evaluare rapidă și detaliată a leziunilor cerebrale, permițând diferențierea tipurilor de AVC și ghidarea deciziilor terapeutice (Săceleanu et al., 2023). Deși tomografia computerizată (CT) este modalitatea imagistică inițială cel mai frecvent utilizată datorită rapidității și disponibilității sale, imagistica prin rezonanță magnetică (IRM) a câștigat teren în evaluarea AVC ischemic acut, oferind o evaluare superioară a integrității parenchimului, viabilității țesuturilor și extinderii leziunilor ischemice (Cortés-Albornoz et al., 2025). Mai mult, IRM-ul prezintă o sensibilitate și specificitate superioare în detectarea modificărilor acute legate de AVC, cum ar fi edemul citotoxic în stadiile incipiente, și poate estima momentul debutului AVC pe baza neconcordanței dintre imaginile ponderate în difuzie (DWI) și cele recuperate prin inversie atenuată prin fluid (FLAIR). Aceste capacități fac din IRM o modalitate imagistică de elecție pentru cazurile complexe, unde precizia diagnosticului influențează direct managementul terapeutic (Bhat et al., 2020).
Totuși, disponibilitatea limitată a IRM-ului în multe centre medicale, în special în regiunile rurale, face ca CT să rămână o metodă imagistică esențială și adesea singura modalitate accesibilă pentru evaluarea inițială a AVC acut (Bhat et al., 2020). Această realitate subliniază necesitatea unor protocoale imagistice adaptate resurselor locale, care să maximizeze beneficiile diagnostice ale fiecărei modalități.
Deși AVC ischemic acut rămâne una dintre cele mai frecvente cauze de deces și dizabilitate la nivel global, este o afecțiune potențial tratabilă dacă este gestionată în mod corespunzător și în timp util (Byrne et al., 2020). Astfel, progresele în neuroimagistică au transformat radical abordarea diagnosticului și tratamentului AVC ischemic, permițând identificarea rapidă a ocluziilor vaselor mari și ghidând deciziile terapeutice urgente (Abdalkader et al., 2023). Această evoluție este crucială, în special având în vedere că AVC ischemic este tipul dominant, reprezentând o majoritate semnificativă a tuturor cazurilor de AVC (Ali et al., 2021). În acest context, imagistica de perfuzie CT și IRM sunt modalități esențiale pentru evaluarea viabilității parenchimului cerebral și a vaselor compromise, informații critice pentru analiza raportului risc-beneficiu în tratamentul AVC acut (Rigsbee et al., 2019). Deși CT-ul este mai frecvent utilizat datorită rapidității sale, IRM-ul oferă informații superioare și o sensibilitate crescută pentru infarctele mici, fiind capabil să diferențieze cu precizie AVC de alte afecțiuni, precum convulsiile sau migrenele (Nukovic et al., 2023).
De asemenea, în ciuda progreselor, identificarea precoce a accidentului vascular cerebral ischemic acut și diferențierea sa de hemoragia intracraniană rămân provocări clinice semnificative, deoarece manifestările clinice pot fi similare (Tapkan et al., 2020). Prin urmare, imagistica cranio-cerebrală rapidă și precisă, în special CT-ul fără contrast, este esențială pentru a exclude hemoragia intracraniană și a permite inițierea promptă a tratamentului trombolitic în cazurile de AVC ischemic (Patil et al., 2022).
Imagistica avansată, în special cea de perfuzie, a revoluționat tratamentul AVC ischemic acut prin extinderea ferestrei terapeutice și optimizarea selecției pacienților pentru terapii de revascularizare (Inoue & Toyoda, 2021). Această tehnică, denumită angio-CT, permite evaluarea viabilității țesuturilor cerebrale, identificând regiunile de penumbră ischemică care pot fi salvate prin intervenții rapide (Halil, 2023). Această abordare este crucială în ghidarea deciziilor privind tromboliza intravenoasă și trombectomia mecanică, mai ales în situațiile în care prezentarea pacientului depășește fereastra de timp tradițională pentru intervenție (Halil, 2023).

Avantajele și dezavantajele tehnicilor imagistice în diagnosticul AVC
Tehnicile imagistice joacă un rol fundamental în diferențierea tipurilor de AVC – ischemic sau hemoragic și în ghidarea deciziilor terapeutice (Ali et al., 2021). Printre modalitățile imagistice esențiale se numără CT și IRM, fiecare cu avantaje și limitări specifice în contextul diagnosticării AVC (Nukovic et al., 2023, Abdalkader et al., 2023).
Deși diagnosticul de AVC este primar clinic, imagistica cerebrală, în special CT, este investigația inițială de elecție pentru majoritatea pacienților suspecți de AVC, având o acuratețe excelentă în excluderea hemoragiei intracraniene (Shukla et al., 2022). Totuși, în ciuda rolului său crucial în faza acută pentru excluderea hemoragiei, CT standard prezintă o sensibilitate limitată în detectarea leziunilor ischemice minore sau în stadiile incipiente (Tapkan et al., 2020).
În contrast, imagistica prin rezonanță magnetică, în special secvențele de difuzie, oferă o sensibilitate superioară pentru detectarea precoce a infarctului ischemic, fiind capabilă să identifice modificări la nivel celular la doar câteva minute după debutul simptomelor (Figura 1) (Mouridsen et al., 2020), (Nukovic et al., 2023). De asemenea, IRM este capabilă să ofere o evaluare superioară a integrității parenchimului cerebral, a viabilității țesutului și a extinderii leziunii ischemice, facilitând o caracterizare mai detaliată a AVC-ului ischemic (Cortés-Albornoz et al., 2025).

Noi perspective – rolul inteligenței artificiale în diagnosticul AVC
În zilele noastre, progresele tehnologice subliniază importanța imagisticii ultra-rapide prin aportul inteligenței artificiale (AI), care poate reduce semnificativ timpul de achiziție, menținând în același timp calitatea imaginii pentru un diagnostic comprehensiv al AVC ischemic acut (Verclytte et al., 2023). AI contribuie la acest obiectiv prin algoritmi care analizează rapid imaginile, identificând anomalii subtile și cuantificând caracteristicile țesuturilor, facilitând astfel diagnosticul precis și în timp util (Broocks & Meyer, 2023).
De exemplu, instrumentele bazate pe AI pot genera automat scoruri cantitative precum scorul Alberta Stroke Program Early CT (ASPECTS) de pe CT-uri non-contrast și pot procesa hărți de perfuzie pentru a determina țesutul cerebral recuperabil pe imagistica CT sau IRM de perfuzie (Lotan, 2020). Aceste progrese în AI aplicată imagisticii au un potențial considerabil de a optimiza fluxul de lucru clinic, permițând o luare a deciziilor terapeutice mai rapidă și mai informată în cazurile de AVC acut (Soun et al., 2020). Astfel, platforme comerciale bazate pe AI au fost dezvoltate pentru a sprijini profesioniștii din domeniul sănătății în evaluarea rapidă și precisă a pacienților cu AVC (Al‐Janabi et al., 2024). Aceste sisteme pot detecta ocluziile vasculare acute în mai puțin de două minute, contribuind la o diagnosticare și tratament accelerat (Brugnara et al., 2023).
Prin urmare, instrumentele software, utilizând metodologii de AI, pot identifica patologii acute ale țesutului cerebral ischemic, obstrucții arteriale și hemoragii cerebrale, îmbunătățind semnificativ acuratețea și viteza diagnosticului (Wardlaw et al., 2022). Aceste tehnologii, adesea bazate pe rețele neuronale convoluționale, au demonstrat o performanță comparabilă cu cea a neuroradiologilor, îmbunătățind fluxurile de lucru clinice și implicit, rezultatele pacienților (Chandrabhatla et al., 2023).

Concluzii

Studiile recente evidențiază rolul crucial al neuroimagisticii în diagnosticul rapid și precis al AVC, având un impact direct asupra selecției pacienților pentru terapii de urgență (Abdalkader et al., 2023), (Byrne et al., 2020). Această abordare este esențială pentru optimizarea rezultatelor clinice și minimizarea sechelelor neurologice pe termen lung, dat fiind că timpul este un factor determinant în recuperarea post-AVC (Săceleanu et al., 2023).  În cazul AVC ischemic, identificarea rapidă a ocluziei vasculare și a țesutului cerebral recuperabil prin tehnici avansate de imagistică, permite inițierea tratamentelor trombolitice sau endovasculare în fereastra terapeutică optimă, conform ghidurilor internaționale (Nael et al., 2019) (Radwan, 2021). În acest context, angio-CT-ul cranio-cerebral se dovedește a fi un instrument indispensabil pentru detectarea ocluziilor vaselor mari și pentru ghidarea deciziilor terapeutice (Almekhlafi et al., 2019). Implementarea AI, în special a rețelelor neuronale convoluționale, în analiza imaginilor CT promite o accelerare semnificativă și o standardizare a diagnosticului, depășind limitările legate de expertiza radiologului și variabilitatea interpretării (Abdi et al., 2025). Această tehnologie avansată permite detectarea rapidă a anomaliilor subtile și cuantificarea caracteristicilor țesuturilor, îmbunătățind acuratețea diagnostică și promptitudinea intervenției (Broocks & Meyer, 2023). În plus, modelele de învățare profundă, antrenate pe seturi mari de date, pot identifica chiar și infarctele mici, pot evalua volumul leziunilor și pot prezice răspunsurile la tratament (Soun et al., 2020), (Brugnara et al., 2023). Integrarea AI în neuroradiologie oferă soluții inovatoare pentru diagnosticarea și gestionarea urgențelor neurologice, cum este AVC (AbuAlrob & Mesraoua, 2024), iar radiologul trebuie să aibă abilitatea de a corela datele AI cu cele clinice pentru un rezultat cat mai rapid posibil în urgență.

Bibliografie

1. Abdalkader, M., Siegler, J. E., Lee, J. S., Yaghi, S., Qiu, Z., Huo, X., Miao, Z., Campbell, B., & Nguyen, T. N. (2023). Neuroimaging of Acute Ischemic Stroke: Multimodal Imaging Approach for Acute Endovascular Therapy [Review of Neuroimaging of Acute Ischemic Stroke: Multimodal Imaging Approach for Acute Endovascular Therapy]. Journal of Stroke, 25(1), 55.
2. Abdi, H., Sattar, M. U., Hasan, R., Dattana, V., & Mahmood, S. (2025). Stroke Detection in Brain CT Images Using Convolutional Neural Networks: Model Development, Optimization and Interpretability. Information, 16(5), 345.
3. Adamou, A., Beltsios, E., Bania, A., Gkana, A., Kastrup, A., Chatziioannou, A., Politi, M., & Papanagiotou, P. (2022). Artificial intelligence-driven ASPECTS for the detection of early stroke changes in non-contrast CT: a systematic review and meta-analysis [Review of Artificial intelligence-driven ASPECTS for the detection of early stroke changes in non-contrast CT: a systematic review and meta-analysis]. Journal of NeuroInterventional Surgery, 15. BMJ.
4. Al‐Janabi, O., Refaei, A. E., Elgazzar, T., Mahmood, Y. M., Bakir, D., Gajjar, A. A., Alateya, A., Jha, S. K., Ghozy, S., Kallmes, D. F., & Brinjikji, W. (2024). Current Stroke Solutions Using Artificial Intelligence: A Review of the Literature [Review of Current Stroke Solutions Using Artificial Intelligence: A Review of the Literature]. Brain Sciences, 14(12), 1182. Multidisciplinary Digital Publishing Institute.
5. Ali, M. A. A., Alameen, S., Abdelrhem, M. A., & Alamin, A. (2021). Role of Computed Tomography in Evaluation Cerebrovascular Disease. Scholars Journal of Applied Medical Sciences, 9(4), 528.
6. Almekhlafi, M., Kunz, W. G., Menon, B. K., McTaggart, R., Jayaraman, M., Baxter, B., Heck, D., Frei, D., Derdeyn, C. P., Takagi, T., Aamodt, A. H., Fragata, I., Hill, M. D., Demchuk, A. M., & Goyal, M. (2019). Imaging of Patients with Suspected Large-Vessel Occlusion at Primary Stroke Centers: Available Modalities and a Suggested Approach. American Journal of Neuroradiology.
7. Bhat, S. S., Fernandes, T., Poojar, P., Ferreira, M. D. S., Padma, C. R., Hanumantharaju, M. C., Ogbole, G., Nunes, R. G., & Geethanath, S. (2020). Low‐Field MRI of Stroke: Challenges and Opportunities [Review of Low‐Field MRI of Stroke: Challenges and Opportunities]. Journal of Magnetic Resonance Imaging, 54(2), 372. Wiley.
8. Broocks, G., & Meyer, L. (2023). New Advances in Diagnostic Radiology for Ischemic Stroke. Journal of Clinical Medicine, 12(19), 6375.
9. Brugnara, G., Baumgartner, M., Scholze, E. D., Deike‐Hofmann, K., Kades, K., Scherer, J., Denner, S., Meredig, H., Rastogi, A., Mahmutoglu, M. A., Ulfert, C., Neuberger, U., Schönenberger, S., Schlamp, K., Bendella, Z., Pinetz, T., Schmeel, F. C., Wick, W., Ringleb, P. A., … Kickingereder, P. (2023). Deep-learning based detection of vessel occlusions on CT-angiography in patients with suspected acute ischemic stroke. Nature Communications, 14(1).
10. Byrne, D., Walsh, J., Sugrue, G., Nicolaou, S., & Rohr, A. (2020). CT Imaging of Acute Ischemic Stroke [Review of CT Imaging of Acute Ischemic Stroke]. Canadian Association of Radiologists Journal, 71(3), 266. SAGE Publishing.
11. Chandrabhatla, A. S., Kuo, E. A., Sokolowski, J. D., Kellogg, R. T., Park, M. S., & Mastorakos, P. (2023). Artificial Intelligence and Machine Learning in the Diagnosis and Management of Stroke: A Narrative Review of United States Food and Drug Administration-Approved Technologies [Review of Artificial Intelligence and Machine Learning in the Diagnosis and Management of Stroke: A Narrative Review of United States Food and Drug Administration-Approved Technologies]. Journal of Clinical Medicine, 12(11), 3755. Multidisciplinary Digital Publishing Institute.
12. Cortés-Albornoz, M. C., Clifford, B., Lo, W., Yee, S. W., Applewhite, B. P., Tabari, A., White-Dzuro, C., Cauley, S., Schaefer, P. W., Rapalino, O., Lev, M. H., Bilgiç, B., Feiweier, T., Huang, S. Y., Conklin, J., & Lang, M. (2025). A 3-Minute Ultrafast MRI and MRA Protocol for Screening of Acute Ischemic Stroke. Journal of the American College of Radiology, 22(3), 366.
13. Gauriau, R., Bizzo, B. C., Comeau, D. S., Hillis, J., Bridge, C. P., Chin, J. K., Pawar, J., Pourvaziri, A., Šešić, I., Sharaf, E., Cao, J., Noro, F. T. C., Wiggins, W. F., Caton, M. T., Kitamura, F., Dreyer, K. J., Kalafut, J. F., Andriole, K. P., Pomerantz, S. R., … Lev, M. H. (2023). Head CT deep learning model is highly accurate for early infarct estimation. Scientific Reports, 13(1).
14. Halil, E. (2023). CT perfusion – an up-to-date element of the contemporary multimodal diagnostic approach to acute ischemic stroke. Folia Medica, 65(4), 531.
15. Inoue, M., & Toyoda, Ḱazunori. (2021). Expanding the therapeutic window in acute ischemic stroke by advanced imaging. Vessel Plus, 2021.
16. Kundeti, S. R., Vaidyanathan, M. K., Shivashankar, B., & Gorthi, S. P. (2021). Systematic review protocol to assess artificial intelligence diagnostic accuracy performance in detecting acute ischaemic stroke and large-vessel occlusions on CT and MR medical imaging. BMJ Open, 11(3).
17. Liu, F., Yao, Y., Zhu, B., Yu, Y., Ren, R., & Hu, Y. (2024). The novel imaging methods in diagnosis and assessment of cerebrovascular diseases: an overview. Frontiers in Medicine, 11.
18. Liu, Y., Wen, Z., Wang, Y., Zhong, Y., Wang, J., Hu, Y., Ping, Z., & Guo, S. (2024). Artificial intelligence in ischemic stroke images: current applications and future directions [Review of Artificial intelligence in ischemic stroke images: current applications and future directions]. Frontiers in Neurology, 15. Frontiers Media.
19. Lotan, E. (2020, December 31). Emerging Artificial Intelligence Imaging Applications for Stroke Interventions. In American Journal of Neuroradiology (Vol. 42, Issue 2, p. 255). American Society of Neuroradiology.
20. Mallula, B. V., Chintala, J. R., Boppanna, S., & Annapurna, S. (2020). Role of Multi Detector Computed Tomography Cervicocerebral Angiography in Evaluation of Patients with Stroke. Asian Journal of Medical Radiological Research, 8(1), 93.
21. Nael, K., Sakai, Y., Khatri, P., Prestigiacomo, C. J., Puig, J., & Vagal, A. (2019). Imaging-based Selection for Endovascular Treatment in Stroke [Review of Imaging-based Selection for Endovascular Treatment in Stroke]. Radiographics, 39(6), 1696. Radiological Society of North America.
22. Nukovic, J. J., Opančina, V., Ciceri, E., Muto, M., Zdravković, N., Altin, A., Altaysoy, P., Kastelic, R., Mendivil, D. M. V., Nukovic, J. A., Marković, N., Opancina, M., Prodanović, T., Nukovic, M., Kostić, J., & Prodanović, N. (2023). Neuroimaging Modalities Used for Ischemic Stroke Diagnosis and Monitoring [Review of Neuroimaging Modalities Used for Ischemic Stroke Diagnosis and Monitoring]. Medicina, 59(11), 1908. Multidisciplinary Digital Publishing Institute.
23. Patil, S., Rossi, R., Jabrah, D., & Doyle, K. (2022). Detection, Diagnosis and Treatment of Acute Ischemic Stroke: Current and Future Perspectives [Review of Detection, Diagnosis and Treatment of Acute Ischemic Stroke: Current and Future Perspectives]. Frontiers in Medical Technology, 4. Frontiers Media.
24. Radwan, M. E. (2021). Imaging strategy for acute stroke patients, a review of literature [Review of Imaging strategy for acute stroke patients, a review of literature]. Zenodo (CERN European Organization for Nuclear Research). European Organization for Nuclear Research.
25. Rigsbee, C., Vidovich, J., Wang, D. T., & Vagal, A. (2019). Acute Ischemic Stroke: An Imaging Update. Contemporary Diagnostic Radiology, 42(16), 1.
26. Săceleanu, V., Toader, C., Pleș, H., Covache-Busuioc, R.-A., Costin, H. P., Bratu, B.-G., Dumitrascu, D.-I., Bordeianu, A., Corlatescu, A. D., & Ciurea, A. V. (2023). Integrative Approaches in Acute Ischemic Stroke: From Symptom Recognition to Future Innovations [Review of Integrative Approaches in Acute Ischemic Stroke: From Symptom Recognition to Future Innovations]. Biomedicines, 11(10), 2617. Multidisciplinary Digital Publishing Institute.
27. Shoghli, A., Chow, D., Kuoy, E., & Yaghmai, V. (2023). Current role of portable MRI in diagnosis of acute neurological conditions [Review of Current role of portable MRI in diagnosis of acute neurological conditions]. Frontiers in Neurology, 14. Frontiers Media.
28. Shukla, R., Kirti, R., Bhushan, D., & Kumar, P. (2022). Clinical utility of MRI in acute stroke beyond reperfusion therapy. Journal of Family Medicine and Primary Care, 11(6), 2933.
29. Soun, J. E., Chow, D., Nagamine, M., Takhtawala, R., Filippi, C. G., Yu, W., & Chang, P. D. (2020). Artificial Intelligence and Acute Stroke Imaging [Review of Artificial Intelligence and Acute Stroke Imaging]. American Journal of Neuroradiology, 42(1), 2. American Society of Neuroradiology.
30. Soun, J. E., Zolyan, A., McLouth, J., Elstrott, S., Nagamine, M., Liang, C., Dehkordi‐Vakil, F., Chu, E., Floriolli, D., Kuoy, E., Joseph, J., Abi‐Jaoudeh, N., Chang, P., Yu, W., & Chow, D. (2023). Impact of an automated large vessel occlusion detection tool on clinical workflow and patient outcomes. Frontiers in Neurology, 14.
31. Tapkan, R. B., Bildik, B., Kalafat, A. F. B., Doğan, S., Kalafat, U. M., Dörter, M., Yazıcı, R., & Cander, B. (2020). Diagnostic Value of Diffusion Magnetic Resonance Imaging in the Emergency Department. İstanbul Kanuni Sultan Süleyman Tıp Dergisi.
32. Verclytte, S., Gnanih, R., Verdun, S., Feiweier, T., Clifford, B., Ambarki, K., Pasquini, M., & Ding, J. (2023). Ultrafast MRI using deep learning echoplanar imaging for a comprehensive assessment of acute ischemic stroke. European Radiology, 33(5), 3715.
33. Wardlaw, J. M., Mair, G., Kummer, R. von, Williams, M. C., Li, W., Storkey, A., Trucco, E., Liebeskind, D. S., Farrall, A., Bath, P. M., & White, P. (2022). Accuracy of Automated Computer-Aided Diagnosis for Stroke Imaging: A Critical Evaluation of Current Evidence [Review of Accuracy of Automated Computer-Aided Diagnosis for Stroke Imaging: A Critical Evaluation of Current Evidence]. Stroke, 53(7), 2393. Lippincott Williams & Wilkins.