Ultraschall in Med
DOI: 10.1055/s-0043-106737
Original Article
© Georg Thieme Verlag KG Stuttgart · New York

Validation of the Automated Electronic Microemboli Detection System in Patients Undergoing Carotid Endarterectomy

Bewertung des automatisierten elektronischen Mikroemboli-Detektionssystems bei Patienten mit Carotis-Endarteriektomie
Tesse Leunissen
Vascular Surgery, University Medical Center Utrecht, Netherlands
Daniel van Vriesland
Clinical Neurophysiology, University Medical Center Utrecht, Netherlands
Hester den Ruijter
Experimental Cardiology, University Medical Center Utrecht, Netherlands
Neurology/Clinical Neurophysiology, Academic Hospital Maastricht, Netherlands
Frans Moll
Vascular Surgery, University Medical Center Utrecht, Netherlands
Werner Mess
Neurology/Clinical Neurophysiology, Academic Hospital Maastricht, Netherlands
Gert Jan de Borst
Vascular Surgery, University Medical Center Utrecht, Netherlands
› Author Affiliations
Further Information

Publication History

13 June 2016

05 January 2017

Publication Date:
06 April 2017 (eFirst)


Purpose To assess the diagnostic value of automatic embolus detection software (AEDS) in transcranial Doppler (TCD) monitoring for the detection of solid microemboli in patients at risk for perioperative stroke during carotid endarterectomy (CEA).

Materials and Methods In 50 patients undergoing CEA, perioperative TCD registration was recorded. All recorded events, identified and saved by the AEDS, were analyzed off-line doubly by two human experts (HEs) within a time frame of > 4 months. The inter- and intraobserver variability was assessed. The overall agreement with the HEs, the sensitivity, specificity, negative and positive predictive values (NPV and PPV) of the AEDS were computed for different cut-offs (patient displaying perioperative 5, 10, 20, 25, or 50 microemboli).

Results 77 233 events were analyzed. The inter- and intraobserver variability was good (min κ = 0.72, max κ = 0.79). AEDS and the HEs identified 760 and 470 solid emboli, respectively. The agreement between AEDS and the HEs for solid emboli detection was poor (κ = 0.24, SE = 0.016). The specificity and NPV were high (99.2 % and 99.6 %) but the sensitivity and PPV were low (30.6 % and 19.8 %). Applying a threshold of > 20 microemboli resulted in the best sensitivity (100.0 %), specificity (84.4 %), PPV (42.7 %), NPV (100.0 %) and area under the curve (0.898). However, 58.3 % of the patients were false positive as classified by AEDS.

Conclusion In this validation cohort, AEDS has insufficient agreement with HEs in the identification of solid emboli. AEDS and HEs disagree with respect to the identification of specific patients at risk. Therefore, AEDS cannot be used as a standalone system to identify patients at risk for perioperative stroke during CEA.


Ziel Untersuchung des diagnostischen Werts der automatischen Emboli-Detektionssoftware (AEDS) in der transkraniellen Dopplersonografie (TCD) für den Nachweis von soliden Mikroemboli bei Patienten mit Risiko für perioperative Schlaganfälle bei Carotis-Endarteriektomie (CEA).

Material und Methoden Bei 50 Patienten mit CEA wurde eine perioperative TCA-Registrierung dokumentiert. Alle mittels AEDS aufgenommenen und gesicherten Ereignisse wurden innerhalb von > 4 Monaten doppelt off-line durch zwei Experten (HEs) ausgewertet und die Inter- und Intraobserver-Variabilität wurde bestimmt. Die Gesamtübereinstimmung der beiden HEs und die Sensitivität, Spezifität, negative und positive Vorhersagewerte (NPV und PPV) der AEDS wurden für verschiedene Cut-offs (Patienten mit 5, 10, 20, 25 oder 50 Mikroemboli) berechnet.

Ergebnisse 77 233 Ereignisse wurden ausgewertet. Die Inter- und Intraobserver-Variabilität war gut (min κ = 0,72; max κ = 0,79). AEDS identifizierte 760 solide Emboli, die HEs fanden 470. Die Übereinstimmung von AEDS und HEs beim Nachweis solider Emboli war schlecht (κ = 0,24; SE = 0,016). Spezifität und NPV waren hoch (99,2 % and 99,6 %), Sensitivität und PPV hingegen niedrig (30,6 % und 19,8 %). Bei einem Grenzwert von > 20 Mikroemboli wurden die höchsten Raten für Sensitivität (100,0 %), Spezifität (84,4 %), PPV (42,7 %), NPV (100,0 %) und Area-under-the-curve (0,898) erzielt. Allerdings wurden 58,3 % der Patienten durch AEDS als falsch-positiv klassifiziert.

Schlussfolgerung In dieser Kohorte zeigte AEDS eine unzureichende Übereinstimmung mit den HEs bei der Identifizierung von Risikopatienten. Deshalb kann AEDS nicht als autonomes Verfahren angewandt werden, um Patienten mit Risiko für einen perioperativen Schlaganfalls bei CEA zu identifizieren.