Purpose This study aimed to evaluate the prognostic potential of pre-therapeutic [ 18 F]FDG-PET/CT variables regarding prediction of progression-free survival (PFS) and overall survival (OS) in NSCLC-patients. Method NSCLC-patients who underwent pre-therapeutic [ 18 F]FDG-PET/CT were retrospectively analyzed. The following imaging features were collected from the primary tumor: tumor size, tumor density, central necrosis, spicules and SUV max . For standardization, an indexSUV max was calculated (SUV max primary tumor/SUV max liver). Descriptive statistics and correlations of survival time analyses for PFS and OS were calculated using the Kaplan-Meier method and Cox regression including a hazard ratio (HR). A value of p < 0.05 was set as statistically significant. The 95%-confidence intervals (CI) were calculated. The median follow-up time was 63 (IQR 27–106) months. Results This study included a total of 82 patients (25 women, 57 men; mean age: 66 ± 9 years). IndexSUV max (PFS: HR = 1.0, CI: 1.0–1.1, p = 0.49; OS: HR = 1.0, CI: 0.9–1.2, p = 0.41), tumor size (PFS: HR = 1.0, CI: 0.9–1.0, p = 0.08; OS: HR = 1.0, CI: 0.9–1.0, p = 0.07), tumor density (PFS: HR = 0.9, CI: 0.6–1.4, p = 0.73; OS: HR = 0.3; CI: 0.1–1.1; p = 0.07), central necrosis (PFS: HR = 1.0, CI: 0.6–1.8, p = 0.98; OS: HR = 0.6, CI: 0.2–1.9, p = 0.40) and spicules (PFS: HR = 1.0, CI: 0.6–1.9, p = 0.91; OS: HR = 1.3, CI: 0.4–3.7, p = 0.65) did not significantly affect PFS and OS in the study population. An optimal threshold value for the indexSUV max was determined by ROC analysis and Youden’s index. There was no significant difference in PFS with an indexSUV max -threshold of 3.8 (13 vs. 27 months; p = 0.45) and in OS with an indexSUV max -threshold of 4.0 (113 vs. 106 months; p = 0.40). Conclusions SUV max and morphologic parameters from pre-therapeutic [ 18 F]FDG-PET/CT were not able to predict PFS and OS in NSCLC-patients.

Abstract This study aimed to (1) replicate a deep-learning-based model for cerebral aneurysm segmentation in TOF-MRAs, (2) improve the approach by testing various fully automatic pre-processing pipelines, and (3) rigorously validate the model’s transferability on independent, external test-datasets. A convolutional neural network was trained on 235 TOF-MRAs acquired on local scanners from a single vendor to segment intracranial aneurysms. Different pre-processing pipelines including bias field correction, resampling, cropping and intensity-normalization were compared regarding their effect on model performance. The models were tested on independent, external same-vendor and other-vendor test-datasets, each comprised of 70 TOF-MRAs, including patients with and without aneurysms. The best-performing model achieved excellent results on the external same-vendor test-dataset, surpassing the results of the previous publication with an improved sensitivity (0.97 vs. ~ 0.86), a higher Dice score coefficient (DSC, 0.60 ± 0.25 vs. 0.53 ± 0.31), and an improved false-positive rate (0.87 ± 1.35 vs. ~ 2.7 FPs/case). The model further showed excellent performance in the external other-vendor test-datasets (DSC 0.65 ± 0.26; sensitivity 0.92, 0.96 ± 2.38 FPs/case). Specificity was 0.38 and 0.53, respectively. Raising the voxel-size from 0.5 × 0.5×0.5 mm to 1 × 1×1 mm reduced the false-positive rate seven-fold. This study successfully replicated core principles of a previous approach for detecting and segmenting cerebral aneurysms in TOF-MRAs with a robust, fully automatable pre-processing pipeline. The model demonstrated robust transferability on two independent external datasets using TOF-MRAs from the same scanner vendor as the training dataset and from other vendors. These findings are very encouraging regarding the clinical application of such an approach.

Abstract Background and Purpose Flow diversion has become a key treatment option for complex intracranial aneurysms. Recent advancements include coated flow diverters (FDs), designed to potentially reduce the need for dual antiplatelet therapy, thereby removing the associated secondary risks while maintaining patency and low complication rates. Comparing coated and uncoated FDs may offer insights into long‐term outcomes and treatment optimization. Method In this retrospective single‐center study, we investigated the data of 21 consecutive patients with cerebral aneurysms, treated between 2021 and 2023 with the coated Derivo 2heal Embolization Device and the uncoated Derivo Embolization Device (both Acandis). We described the procedure and analyzed clinical and radiological data, along with long‐term outcomes after 18 months of follow‐up. Results Nine patients (42.9%) had incidental, while 12 (57.1%) had symptomatic aneurysms, including 10 with World Federation of Neurosurgical Societies classification IV subarachnoid hemorrhages. Aneurysm locations included mostly the internal carotid ( n = 9) and the vertebral artery ( n = 7). All FDs were successfully deployed: 11 patients received the coated and 10 the uncoated device. After 18 months, 73.3% of patients had favorable outcomes (modified Rankin Score 0‐2). One coated FD occluded asymptomatically after 6 months, and one uncoated FD occluded immediately but could be recanalized. Conclusions We observed favorable occlusion rates for both coated and uncoated FDs. The role of dual antiplatelet therapy remains debated. Large multicenter studies are essential to evaluate the patency of coated compared to uncoated FDs and determine whether they can reduce thrombogenicity, potentially allowing for less or no antiplatelet therapy in emergencies.

Abstract Introduction This study investigates the influence of carotid artery elongation on neurovascular intervention and outcome in acute stroke treatments proposing an easily assessable imaging marker for carotid elongation. Methods 118 patients who underwent mechanical thrombectomy for middle cerebral artery occlusions were included. The carotid elongation ratio (CER), center-line artery length to scan’s Z-axis, was measured on the affected side in CT-angiographies. Full and partial correlations of CER with periprocedural times, complications and outcome were computed. Multivariate logistic regression, including comorbidities, for prediction of dichotomized mRS outcome after 3 months was performed. Results CER showed no significant correlation with recanalization success. Weak, outlier-driven correlation was found with recanalization time ( p = 0.021, cor = 0.2). Weak correlations were found with improvement of NIHSS score at discharge and mRS score after 3 months ( p = 0.023 and p = 0.031, each rho=-0.2). There was moderate correlation with NIHSS score at discharge ( p = 0.001, rho = 0.3). Patients with favorable outcomes (mRS 0–2) exhibited lower CER ( p = 0.012). Partial correlations of CER with favorable outcomes were observed after correcting for age, sex and cardiovascular risk factors (cor = 0.2, p = 0.048). Multivariate analysis (Nagelkerke’s R2 = 0.42) identified NIHSS score at admission, diabetes, hypertension and intervention time as significant factors for predicting outcome at 3 month, while CER showed the highest log Odd’s (2.97). Conclusion Correlations between CER and clinical improvement suggest that carotid elongation might be a risk factor for poorer outcome without relevant effect on endovascular treatment and should not guide treatment decisions. Further studies should consider carotid elongation as an individual neurovascular risk factor, independent of hypertension.

Background: There are limited therapeutic options in cases of failed reperfusion (modified thrombolysis in cerebral infarction [mTICI] score < 2b) after stent-retriever and/or aspiration based endovascular treatment (EVT) for acute ischemic stroke. Despite the absence of data supporting its use, rescue therapy (balloon angioplasty and/or stent implantation) is often utilized in such cases. Studies are limited to large vessel occlusions, while the outcomes and complications after rescue therapy in medium/distal vessel occlusions (MDVOs) have not been reported. This study aims to report the outcomes of rescue therapy in MDVO stroke patients. Methods: We performed an analysis of the “Blood pressure and Antiplatelet medication management after reScue angioplasty after failed Endovascular treatment in Large and distal vessel occlusions with probable IntraCranial Atherosclerotic Disease” (BASEL ICAD) retrospective registry. All MDVO stroke patients were included in the analysis. Results: Out of the 718 registry patients, 87 (12.1%) presented with an MDVO. Fifty-six patients (64.4%) showed an occlusion of the M2 segment of the middle cerebral artery. Rescue stenting was performed in 78 patients (89.7%) while balloon angioplasty alone was performed in 9 patients (10.3%). Successful reperfusion (mTICI score ⩾ 2b) was achieved in 73 (83.9%) patients after rescue therapy. Symptomatic intracranial hemorrhage (sICH) occurred in 8 patients (9.2%) and post-treatment stent occlusion in 12 patients (13.8%). Ninety days mortality was 20.7%. Twenty-eight patients (32.2%) achieved functional independence at 90 days (modified Rankin Scale 0–2). Conclusion: Rescue therapy with stenting and/or balloon angioplasty in patients undergoing EVT for isolated MDVO with suspected underlying intracranial atherosclerotic disease is an effective reperfusion strategy but is associated with complications and poor functional outcomes.

Abstract Background The reduction of processing times in the treatment of acute ischemic stroke is of outstanding importance. Our objective is to analyze the acute stroke care chain from onset to treatment in a city in Germany comprising three stroke units. Additionally, we discuss solutions for detected treatment delays. Methods We conducted an in-depth analysis of acute stroke care processing times across three local stroke centers in Düsseldorf among all emergency services transportations for suspected stroke. Isochrone mapping was performed to identify areas with prolonged transportation times. Results Among the 1,714 transportations, 943 patients had confirmed strokes. Prehospital care constituted 58% of total emergency care time until imaging. Patients with confirmed stroke had reduced in-hospital times while patients receiving treatment experienced faster in-hospital times. Isochrone mapping revealed disparities in transportation times within the city. Conclusions In conclusion, we identified confirmation of stroke symptoms as pre- and in-hospital and treatment eligibility as in-hospital process accelerators in stroke care. We propose the introduction of an in-ambulance video consulting model to accelerate contact to stroke-experts and accelerate processing times for patients eligible for treatment. Furthermore, we discuss the combination of in-ambulance video consulting with imaging and starting treatment outside traditional stroke centers, followed by transportation to a stroke center during thrombolysis, which might further accelerate treatment in specific cases.

Abstract Introduction Ventriculoperitoneal shunts (VPS) are an essential part of the treatment of hydrocephalus, with numerous valve models available with different ways of indicating pressure levels. The model types often need to be identified on X‑rays to assess pressure levels using a matching template. Artificial intelligence (AI), in particular deep learning, is ideally suited to automate repetitive tasks such as identifying different VPS valve models. The aim of this work was to investigate whether AI, in particular deep learning, allows the identification of VPS models in cranial X‑rays. Methods 959 cranial X‑rays of patients with a VPS were included and reviewed for image quality and complete visualization of VPS valves. The images included four VPS model types: Codman Hakim ( n = 774, 81%), Codman Certas Plus ( n = 117, 12%), Sophysa Sophy Mini SM8 ( n = 35, 4%) and proGAV 2.0 ( n = 33, 3%). A Convolutional Neural Network (CNN) was trained using stratified five-fold cross-validation to classify the four VPS model types in the dataset. A finetuned CNN pretrained on the ImageNet dataset as well as a model trained from scratch were compared. The averaged performance and uncertainty metrics were evaluated across the cross-validation splits. Results The fine-tuned model identified VPS valve models with a mean accuracy of 0.98 ± 0.01, macro-averaged F1 score of 0.93 ± 0.04, a recall of 0.94 ± 0.03 and a precision of 0.95 ± 0.08 across the five cross-validation splits. Conclusion Automatic classification of VPS valve models in skull X‑rays, using fully automatable preprocessing steps and a CNN, is feasible. This is an encouraging finding to further explore the possibility of automating VPS valve model identification and pressure level reading in skull X‑rays.