(相关资料图)

根据发表在《美国放射学杂志》(AJR) 上的一项研究，一种基于深度学习的高速现场血流储备分数 (FFR)-CT 算法对血液动力学显着狭窄的存在具有出色的诊断性能，具有高观察者间和观察者内再现性。

瑞士苏黎世大学医院的通讯作者 Ronny Ralf Buechel 医学博士写道：“一种快速准确的现场确定 FFR-CT 的方法应该能够解决在临床采用之前的 FFR-CT 实施过程中遇到的挑战。”

在这项AJR研究中，59 名患者(46 名男性，13 名女性;平均年龄 66.5 岁)接受了冠状动脉 CTA(包括钙化评分)，随后在 90 天内通过有创 FFR 和/或瞬时无波比 (iwFR) 测量值进行有创血管造影2014 年 12 月至 2021 年 10 月。在有创 FFR ≤ 0.80 和/或 iwFR ≤ 0.89 的情况下，冠状动脉病变被认为显示血流动力学显着狭窄。

一位心脏病专家使用基于现场深度学习的半自动算法评估 CTA 图像，该算法采用 3D 计算流动动力学模型来确定通过有创血管造影术检测到的冠状动脉病变的 FFR-CT。然后，记录 FFR-CT 分析的时间。FFR-CT 分析由同一位心脏病专家在 26 次随机选择的检查中重复进行，并由不同的心脏病专家在 45 次随机选择的检查中重复进行。

最终，Buechel 及其同事基于现场深度学习的 FFR-CT 算法证明，基于有创血管造影术的血流动力学显着狭窄的 AUC 为 0.975，灵敏度为 93.5%，特异性为 97.7%。在严重钙化病变中，他们的相同算法的 AUC 为 0.991，灵敏度为 94.7%，特异性为 95.0%。此外，平均分析时间为7分54秒。

“据我们所知，”这份AJR接受手稿的作者补充说，“目前报告的平均处理计时器代表了现场 FFR-CT 分析的最快报告时间。”

标签：