基于血流储备分数的自动化人工智能血管造影的早期可行性研究

刘健、孙浩宁、卢亚辉

北京大学人民医院

冠状动脉生理学评估可改善慢性和急性冠脉综合征患者的预后，其中血流储备分数（FFR）被认为是评估心肌缺血的金标准。既往研究表明，超过40%的病例在进行了冠脉生理学评估后改变了治疗策略。并避免了不适当的支架置入和搭桥手术，显著降低了医疗成本。

本文旨在探寻一种新型的基于FFR的人工智能评估血管造影软件(AutocathFFR)作为介入心脏病专家的决策支持工具的可行性。本文发表于2020年12月的The American Journal of Cardiology。

本研究共纳入31例来自单个医疗中心的连续受试者，这些患者已知或怀疑存在冠状动脉疾病、进行了有临床指征的冠状动脉造影，并测量了FFR数值。患者的血管造影图像被发送到一个独立的研究中心，由一个独立的介入心脏病专家进行评估，然后由另一个不知道基线FFR测量值的介入心脏病专家使用AutocathFFR设备获取诊断性血管造影并生成AutocathFFR结果。

本研究于2020年1月至2020年2月共纳入31名受试者，其中FFR＜0.95的29个病变中有27个(93%)检测准确，28个FFR值<0.9的病变中有27个(97%)检测准确，所有的FFR值≤0.8的病变均检测成功。

图示1：纳入病变特点

图示2：AutocathFFR与基于压力导丝的FFR的相关性，r系数为0.71。

图示3：Bland-Altman检验的均值差异为0.05±0.12，置信限在0.12到-0.22之间。

AutocathFFR预测FFR≤0.8的敏感度为88%，预测FFR>0.8的特异度为93%，其中阳性预测值为94%，阴性预测值为87%。诊断准确度为90%，AUC=0.91。

图示4：AutocathFFR的ROC曲线，曲线下面积为0.91。

基于血管造影图像的人工智能FFR可以优化改善对冠状动脉疾病患者的管理。在这项早期可行性研究中，AutocathFFR在对冠脉病变生理学的定性诊断上达到了良好的准确性。