"一箭双雕：基于机器学习的TAVI术前CT-FFR联合cCTA无创筛查冠状动脉狭窄的临床价值"

针对主动脉瓣狭窄(AS)患者合并冠心病(CAD)筛查难题，浙江大学医学院附属第一医院团队创新性评估机器学习衍生的CT-FFR技术联合冠状动脉CT血管造影(cCTA)的诊断效能。研究纳入100例经导管主动脉瓣植入术(TAVI)前患者，发现CT-FFR在患者水平诊断准确率达75.0%，血管水平阴性预测值达93.6%，显著优于传统cCTA。该成果为高风险TAVI患者提供无创CAD筛查方案，可减少66%不必要的有创冠状动脉造影(ICA)，发表于《BMC Medical Imaging》具有重要临床转化价值。

　　

随着人口老龄化加剧，结构性心脏病发病率逐年攀升，其中主动脉瓣狭窄(AS)的临床威胁尤为严峻。数据显示，出现症状的AS患者2年生存率仅50%，5年生存率低至20%。经导管主动脉瓣植入术(TAVI)因其微创优势成为治疗首选，但约46%患者合并冠心病(CAD)，传统筛查面临两难困境：有创冠状动脉造影(ICA)虽为金标准，却存在穿刺血肿、血管穿孔等风险；而无创冠状动脉CT血管造影(cCTA)在钙化斑块干扰下假阳性率高达28.3%。如何"一箭双雕"地利用TAVI术前必查的cCTA实现精准CAD筛查，成为心血管领域亟待解决的临床难题。

浙江大学医学院附属第一医院放射科团队创新性地将机器学习衍生的CT血流储备分数(CT-FFR)技术整合到常规TAVI术前评估中。这项发表在《BMC Medical Imaging》的研究揭示，基于深度学习的ShuKun-FFR软件分析可使CAD筛查准确率提升12个百分点，阴性预测值达93.6%，意味着该技术能可靠排除91例患者中的78例非CAD患者，避免不必要的有创检查。尤为重要的是，研究采用多中心设备数据(Philips iCT/GE Revolution/Siemens Force)，增强了结论的普适性。

研究团队采用三大关键技术路线：首先通过改进U-net模型实现冠状动脉三维重建，利用生成对抗网络消除运动伪影；其次应用3D+2D卷积神经网络精准分割斑块；最后采用降阶模型结合神经网络校正，计算狭窄区域压力差。研究对象为2021-2025年间100例接受TAVI的严重AS患者，所有患者均完成cCTA和ICA检查，采用CAD-RADS标准进行病变分级，以ICA显示≥50%狭窄为金标准。

在患者水平分析中，CT-FFR展现出86.4%的高灵敏度，较传统cCTA提升34.2个百分点。虽然特异性66.1%略低于cCTA的72.2%，但其86.0%的阴性预测值意味着该技术能可靠排除非CAD患者。血管水平结果更令人振奋：在400支主要冠状动脉分析中，CT-FFR对右冠状动脉(RCA)的诊断性能最优，准确率达81.0%，对左前降支(LAD)的诊断虽受钙化影响仍将假阳性率从57.1%降至42.9%。值得注意的是，该研究首次发现AS患者中CT-FFR≤0.80的阈值可能需调整至≤0.83，这与动物实验揭示的AS特有血流动力学改变相吻合。

讨论部分深入剖析了技术优势与局限。相较于Budoff等学者的研究，本项工作创新点在于：首次在TAVI术前常规cCTA基础上实现功能学评估，采用商用化ShuKun-FFR软件确保结果可重复；突破单中心设备限制，验证了三厂商CT设备的兼容性。但作者也指出，缺乏系统性有创FFR对照可能引入偏倚，且未比较3D流体力学模拟等不同算法差异。临床转化方面，研究建议对严重钙化病变仍需结合ICA，并强调年龄因素对PCI(经皮冠状动脉介入治疗)时机选择的影响。

这项研究为TAVI术前评估提供了重要范式转变：常规cCTA结合CT-FFR可使3/4患者避免ICA检查，按我国年TAVI手术量估算，每年可减少约7500例次有创操作。未来研究方向应包括建立AS特异性CT-FFR阈值，开发术后血流预测模块。正如Mesnier教授在JACC评论所述，该成果标志着TAVI术前评估进入"解剖-功能"融合的新时代，为高风险患者带来更安全的诊疗选择。