《JACC: Cardiovascular Imaging》：Deep Learning and Fluid Dynamics On-Site CT-FFR Solution Compared to Off-Site FFRct and Invasive FFR
编辑推荐：
本研究单中心前瞻性评估了on-site xFFR算法在冠心病评估中的性能，结果显示其敏感性95%、特异性81%，与iFFR相关性良好，但优于FFRct仅在左前降支（AUC 0.96 vs 0.84），平均处理时间8分钟，证实on-site xFFR为快速可靠的替代方案。
Fabio Fazzari|Natallia Khenkina|Giulia Piccinni|Matteo Biroli|Andrea Annoni|Giovanni Berna|Francesco Cannata|Maria Ludovica Carerj|Fabrizio Celeste|Alberico Del Torto|Alberto Formenti|Antonio Frappampina|Laura Fusini|Paola Gripari|Sarah Ghulam Alì|Daniele Junod|Anna Maltagliati|Maria Elisabetta Mancini|Valentina Mantegazza|Riccardo Maragna|Gianluca Pontone
意大利米兰Monzino IRCCS心脏中心围手术期心脏病学和心血管成像部门
摘要
背景
越来越多地需要使用现场计算机断层扫描（CT）衍生的分数流量储备（FFR）技术，以减少延迟、降低成本并减少对外部平台的依赖。
目的
这项单中心前瞻性研究评估了一种基于现场深度学习和流体动力学的CT-FFR算法（xFFR，GE HealthCare）与外部HeartFlow CT-FFR（FFRct）及侵入性FFR（iFFR）在冠状动脉疾病（CAD）评估中的诊断性能。
方法
在这项单中心前瞻性研究中，250名具有中高风险CAD的症状患者（平均年龄：65 ± 9岁；76%为男性）接受了冠状动脉计算机断层扫描（CTA）、xFFR、FFRct和侵入性冠状动脉造影（iFFR）。计算了xFFR和FFRct的曲线下面积（AUC），并使用Spearman相关性系数和Cohen’s κ系数来评估其与iFFR的一致性。
结果
在56.6%（xFFR）、54%（FFRct）和48%（iFFR）的病例中检测到了功能显著的CAD；xFFR的敏感性、特异性和准确率分别为95%、81%和88%。总体诊断准确性与FFRct相当（AUC：0.91 vs AUC：0.89；P = 0.274），但在左前降支冠状动脉的评估中表现更优（AUC：0.96 vs AUC：0.84；P = 0.001）。相关性分析显示与iFFR（ρ = 0.67）和FFRct（ρ = 0.53）有良好的一致性。xFFR的平均分析时间为8 ± 3.4分钟。
结论
本研究证明xFFR是一种强大且高效的现场工具，可用于评估CAD，具有高诊断准确性、可重复性和与侵入性方法的一致性。其快速的处理速度和临床工作流程的集成使其成为替代外部FFRct解决方案的有希望的选择。需要进一步的研究来确认其普遍适用性并优化其实施方法。
研究部分摘录
方法
这是一项单中心前瞻性研究，纳入了2015年10月至2019年4月期间因疑似CAD而接受非紧急、临床指征性ICA检查的连续症状患者，这些患者参加了PERFECTION（Perfusion Versus Fractional Flow Reserve CT Derived in Suspected Coronary）研究。18, 19纳入标准要求参与者年龄≥18岁，无CAD既往史。符合条件的患者有症状，并被怀疑患有CAD。
结果
在排除标准后，共有289名患者被纳入分析。由于处理错误和原型系统数据兼容性问题，xFFR无法在39名患者（占289名的13.4%）的数据上进行处理，这些问题与原型系统的当前实现有关，而非方法本身固有。最终研究人群为250名患者（表1）。
讨论
本研究评估了一种基于现场深度学习的CT-FFR原型（xFFR）在评估功能显著CAD方面的诊断性能，将其与参考标准iFFR和广泛使用的外部HeartFlow FFRct进行了比较。主要发现是：xFFR是一种可靠的工具，能够确定冠状动脉病变的血流动力学意义，与iFFR具有极好的一致性，与FFRct有中等程度的一致性，并且提高了单独使用冠状动脉CTA的诊断准确性。
结论
现场xFFR是一种基于深度学习和流体动力学的新型FFR方法，具有快速的处理时间和高可重复性。它与iFFR有良好的一致性，诊断准确性可与外部FFRct相媲美。鉴于这些发现及其现场操作特性，xFFR可能成为在临床实践中应用CT-FFR的理想工具。
资金支持和作者披露
本研究得到了GE HealthCare的无限制资助。Pontone博士作为演讲者或顾问从GE HealthCare、HeartFlow和Bracco获得了机构研究资金和/或酬金。所有其他作者均声明与本文内容无关的任何利益关系。
