每日毅讯| Circualtion子刊：通过机器学习评估冠脉CTA斑块性质与冠脉CT-FFR效果相当

新近的临床研究多提示：在指导冠脉介入手术的临床获益方面，冠脉功能学评估似乎优于形态学评估。然而，随着影像学技术和人工智能软件的开发，针对冠脉的形态学评估也在不断发展。近日，Circulation：Cardiovascular Imaging杂志发表了该领域的研究文章。

本研究是PACIFIC试验的post-hoc分析，纳入了208名疑似冠心病的患者接受了冠脉CTA、心脏PET和有创FFR检查。冠脉CTA的斑块量化是使用半自动分析软件进行的。在训练阶段，利用前瞻性NXT试验（包括484支血管）采用机器学习训练用于开发预测缺血的机器学习ML评分，以FFR≤0.80为标准。外部验证阶段，利用PACIFIC试验的581支血管，应用机器学习ML评分预测PET评估下受损的充血MBF（≤2.30mL/min/g）以及有创FFR<0.80。将ML评分与冠脉CTA读数和FFR-CT进行比较。

研究结果显示：139条 (23.9%) 血管出现FFR定义的心肌缺血，195条 (33.6%) 血管出现充血MBF受损。对于FFR定义的心肌缺血的预测，ML评分的ROC曲线下面积为0.92，显著高于视觉判断的狭窄程度（0.84；P<0.001），与FFRCT（0.93）相当; P=0.34）。在ML评分中，定量的直径狭窄百分比和低密度非钙化斑块体积对于预测FFR定义的心肌缺血具有最大的重要性。当PET评估下的受损MBF的预测，ML评分在ROC曲线下的面积为0.80；显着高于视觉判断的狭窄程度（0.74；P=0.02），与FFRCT相当（0.77；P=0.16）。

毅讯点评

通过本研究我们可以发现，在不加入任何生理学指标，仅仅通过无创的冠脉CTA形态学影像，通过机器学习可以形成与CT-FFR相比拟的，优于目前视觉判断狭窄的评估效果。未来在精准治疗时代，不仅仅冠脉功能学在日新月异，冠脉形态学的进步也会接踵而来，而且在以更加迅猛的速度改变我们的日常救治。

参考文献：

https://www.ahajournals.org/doi/epub/10.1161/CIRCIMAGING.122.014369

作者简介

张毅，FACC，FESC，上海市第十人民医院泛血管中心主任；同济大学研究员、副教授、博导；CCI执行委员；中华医学会内科学分会青年副主委；上海医学会高血压学组副组长；上海市优秀技术带头人。

打赏