我国自主研发人工智能CT（FFR露锋芒,Circulation刊发陈韵岱等研究结果）

CT-FFR组接受血运重建的患者比例为49.7%，高于标准诊疗组（42.8%）。

来源：Yang J, et al. On-Site Computed Tomography-Derived Fractional Flow Reserve to Guide the Management of Patients with Stable Coronary Artery Disease: the TARGET Randomized Trial. Circulation. 2023 Mar 4.

与标准治疗组相比，CT-FFR组90天内接受冠脉造影发现非阻塞性冠脉疾病或有阻塞性疾病但未干预的比例明显较低（28.3% vs. 46.2%）。主要是由于非阻塞性冠脉疾病的比例较低（20.9% vs. 38.0%）。

作者表示，传统CT-FFR测量需要使用复杂的流场来模拟血管内的血流。但流体力学算法计算过程复杂，需要大量的计算资源，需要一定的硬件配置。流体力学算法的预测精度不会因为数据量的增加而提高。

在完全随访1年的患者中，两组患者发生包括不稳定心绞痛住院、90天后血运重建、非致死性心肌梗死或心血管死亡的比例没有差别（8.2% vs. 9.2%）。

CT-FFR组发现冠脉狭窄（≥70%）的比例为77.7%，明显高于标准治疗组的60.9%。

CT-FFR组12个月的平均总费用（47032±38533）元，低于标准治疗组（51,265±41,462）元，平均低了4233元，但差异无统计学意义。

CT-FFR组有67.8%诊断为心肌缺血（≤0.8），标准治疗组有73.7%负荷试验发现有心肌缺血。

此外，CT-FFR未能改善症状或生活质量，也未减少主要不良心血管事件。

CT-FFR治疗组共68.7%接受了冠脉造影，而标准治疗组有78.9%接受了冠脉造影。

解放军总医院陈韵岱在第72届美国心脏病学会（ACC）年会暨世界心脏病学大会（WCC）上报告了TARGET研究结果。该研究的全文同步发表在Circulation杂志上。

研究共入选冠脉CT显示30%~90%狭窄的1216例患者，随机接受CT-FFR或标准诊疗。

转载：请标明“中国循环杂志”订阅点击：

如果患者被随机分配到标准诊疗组，医生决定是否需要进行负荷试验，包括运动心电图试验、超声心动图或单光子发射计算机断层扫描（SPECT）。负荷试验阳性的患者建议接受冠脉造影检查。

而研究使用的CT-FFR测量基于深度学习算法，该算法已被证明在识别血流动力学显著狭窄方面与计算流体动力学CT-FFR表现相同。而深度学习算法的优点可以现场进行，避免了传输敏感医疗数据，缩短了计算时间，增加了临床医生的参与。

被随机到CT-FFR组的患者，使用现场机器学习方法，对所有主要心外膜冠状动脉（≥2.5 mm）计算CT-FFR。如果发现有冠脉的CT-FFR值≤0.8，则转到冠脉造影，如果CT-FFR>0.80，则建议最佳药物治疗。

作者也表示，据估计，到2017年，中国冠脉CT的数量达到了每年460万次。这项研究有望进一步巩固冠脉CT作为导管室“看门人”的角色。

研究发现，与以心脏负荷检查为主的标准策略相比，现场进行人工智能CT-FFR策略显著减少了90天内需要接受冠脉造影的患者比例。

研究发现，对于存在冠脉临界病变（30%~90%）的稳定型冠心病患者，使用我国自主研发的现场人工智能CT-FFR检测可行、安全、有效，能够挑选更适合有创冠脉造影和血运重建的患者。

人工智能较流体力学算法有优势

研究入选的1216例稳定型冠心病患者来自解放军总医院、北京安贞医院、浙大医学院附二院、山东大学齐鲁医院、新疆医科大学一附院、华中科技大学同济医院。

作者表示，该研究是国际上首个评估使用基于人工智能CT-FFR策略管理稳定型冠心病患者的临床和费用影响的多中心、随机、对照临床研究。