計算機斷層成像血流儲備分數(shù)對冠狀動脈中度病變的穩(wěn)定型冠狀動脈性心臟病患者預后的預測作用

翁婷雯 毛定飚 金 倞 李 銘 曲新凱

冠狀動脈血流儲備分數(shù)(fractional flow reserve, FFR)是在有創(chuàng)冠狀動脈造影(簡稱冠脈造影)的前提下，從功能學方面評估冠狀動脈病變的一項重要方法。多數(shù)學者認為，在有創(chuàng)冠脈造影的同時測定FFR值，是診斷冠狀動脈狹窄病變引起血流動力學異常的金標準[1]。然而，F(xiàn)FR是有創(chuàng)檢查，檢查時需要注射腺苷類血管擴張藥物，且壓力導絲價格昂貴，導致該檢查在中國的普及率<1%?；诠跔顒用}CTA(CCTA)技術發(fā)展的CT-FFR為冠狀動脈狹窄的無創(chuàng)功能學評價提供了有效的方法。CT-FFR技術融合了CCTA影像和計算流體動力學(computational fluid dynamic，CFD)技術，估算各支冠狀動脈的FFR值[2]。近年來，應用人工智能技術——機器學習計算虛擬FFR的軟件(machine learning based coronary fractional flow reserve, cFFRML)在國內(nèi)上市并逐步投入臨床應用。這項技術的計算速度非?？?，與傳統(tǒng)CFD模式每個病例需計算數(shù)小時相比，提速近百倍[3]。本研究通過人工智能技術計算CT-FFR，分析CT-FFR值與心血管終點事件發(fā)生的相關性，評估該值對穩(wěn)定型冠狀動脈性心臟病(簡稱冠心病)患者的心血管終點事件的預測作用。

1 對象與方法

1.1 研究對象 納入2013年12月—2014年6月在復旦大學附屬華東醫(yī)院接受CCTA檢查，并提示為冠狀動脈中度病變的患者76例。納入標準：年齡≥40歲，CCTA結(jié)果提示單支或多支冠狀動脈狹窄，狹窄程度(狹窄程度=靶病變血管的直徑/正常血管直徑×100%)為30%～70%。排除標準：①既往行冠狀動脈介入治療或冠狀動脈旁路移植術；②疑似急性冠狀動脈綜合征。

1.2 方法 回顧性分析入選患者的CCTA圖像和病史資料。應用CT-FFR軟件對入選患者的CCTA圖像進行分析并計算。同時，回顧患者在行CCTA檢查后5年內(nèi)心血管終點事件的發(fā)生情況。心血管終點事件定義為全因死亡、發(fā)生心肌梗死、接受緊急血運重建和隨訪CCTA檢查提示冠狀動脈病變明顯進展。冠狀動脈病變明顯進展定義為后次CT檢查提示冠狀動脈斑塊數(shù)量較前次增多或同支血管同處病變導致管腔狹窄程度較前次增加。將出現(xiàn)心血管終點事件者納入試驗組，未出現(xiàn)終點事件者納入對照組。參考多項傳統(tǒng)CT-FFR的臨床研究[4-6]結(jié)果，本研究將CT-FFR臨界值設定為0.8。采用單因素logistic回歸分析CT-FFR值≤0.8與患者心血管終點事件發(fā)生的相關性。將CT-FFR值≤0.8、年齡、性別納入多因素logistic回歸分析，分析三者與終點事件發(fā)生的相關性。

1.3 CT-FFR值的計算 將研究對象CCTA的醫(yī)學數(shù)字成像和通信(DICOM)圖像導出后上傳至深圳科亞醫(yī)療科技有限公司的影像平臺，應用人工智能CT-FFR評估軟件(深脈分數(shù))計算各支冠狀動脈血管的CT-FFR值。

1.4 統(tǒng)計學處理 應用Sigmaplot 12統(tǒng)計學軟件。相關性分析采用單因素和多因素logistic回歸分析。以P<0.05為差異有統(tǒng)計學意義。

2 結(jié) 果

2.1 研究對象的一般情況 76例患者中，男64例，女12例；平均年齡為(63.99±10.75)歲，男性平均年齡為(62.92±10.95)歲，女性平均年齡為(69.67±7.69)歲。

2.2 研究對象行CCTA檢查后5年內(nèi)心血管終點事件的發(fā)生率 發(fā)生心血管終點事件20例(納入試驗組)，其中全因死亡4例，發(fā)生心肌梗死2例，接受緊急血運重建5例，冠狀動脈病變明顯進展9例。余56例納入對照組。兩組患者的年齡和性別構成見表1。

表1 兩組患者年齡、性別構成

2.3 心血管終點事件發(fā)生的單因素logistic回歸分析 在發(fā)生心血管終點事件的人群中，CT-FFR值≤0.8的患者11例，>0.8的患者9例。單因素logistic回歸分析結(jié)果顯示，CT-FFR值≤0.8是心血管終點事件發(fā)生的危險因素；年齡、性別均不是心血管終點事件發(fā)生的危險因素。見表2。

表2 單因素logistic回歸分析結(jié)果

2.4 心血管終點事件發(fā)生的多因素回歸分析 多因素logistic回歸分析結(jié)果顯示，CT-FFR值≤0.8是心血管終點事件發(fā)生的獨立危險因素，年齡、性別不是心血管終點事件的獨立危險因素。見表3。

表3 多因素logistic回歸分析結(jié)果

3 討 論

作為無創(chuàng)性檢查，CCTA用于評估冠狀動脈形態(tài)、狹窄程度和動脈斑塊性質(zhì)的敏感度和陰性預測值均較高[7]。CCTA僅從解剖學角度對冠狀動脈病變進行評價，而對冠狀動脈血管狹窄是否引起心肌缺血，即有無血流動力學的改變無法得出結(jié)論[8]。多項研究[9-10]結(jié)果表明，干預沒有功能意義的狹窄病變并不能使患者獲益?？梢姡瑥墓δ軐W角度評價冠心病心肌缺血程度和預后較單從結(jié)構上評價冠狀動脈的狹窄程度更為重要。FFR是在有創(chuàng)冠狀動脈造影的前提下，利用壓力導絲測量冠狀動脈狹窄遠端的平均壓力(Pd)、冠狀動脈開口部的平均壓力(Pa)，兩者比值即FFR值，是從功能角度評估冠狀動脈病變的一項重要方法。已有多項研究[10-13]證明，F(xiàn)FR是評估冠狀動脈狹窄功能學切實可行的有效的方法，已成為診斷冠狀動脈狹窄病變引起血流動力學異常的金標準[1]。由于FFR是有創(chuàng)檢查，需額外負荷擴血管藥物，故在國內(nèi)尚未將其作為常規(guī)檢查項目。近年來，基于CCTA技術發(fā)展的CT-FFR為冠狀動脈狹窄的無創(chuàng)功能學評價提供了有效的方法。這種無創(chuàng)虛擬FFR技術的診斷效能得到了多項大規(guī)模多中心臨床研究的驗證[14-16]。CT-FFR的應用可減少非必要的有創(chuàng)冠脈造影，且具有較高的衛(wèi)生經(jīng)濟學效益[4,17]。傳統(tǒng)CT-FFR平均計算耗時3～6 h，計算效率低下，近年誕生了基于人工智能技術的CT-FFR，使此類無創(chuàng)虛擬FFR的計算效率大大提高[3]。本研究用于計算CT-FFR值的軟件即基于大數(shù)據(jù)網(wǎng)絡平臺模式，合成大量冠狀動脈解剖影像進入平臺，通過不同的冠狀動脈樹，以及各種冠狀動脈狹窄的解剖學表現(xiàn)形成各種豐富多樣的影像學樣本，再將通過CFD模式計算得出的冠狀動脈樹各點的FFR值納入該平臺，通過深度學習的模式讓計算機學習各種解剖學改變與相應的CT-FFR值之間的關系，繼而通過該平臺來計算冠狀動脈樹各處的虛擬FFR值。已有臨床研究[18-19]證實了其與傳統(tǒng)CT-FFR的相關性。

本研究通過回顧冠狀動脈中度病變患者5年前CCTA圖像計算得出的CT-FFR值，分析其是否為心血管終點事件發(fā)生的危險因素。傳統(tǒng)CT-FFR的臨床研究[4-6]顯示，CT-FFR值≤0.8相較CCTA圖像顯示的血管管腔狹窄，能更明確地預示是否需要血運重建和有無心血管主要不良事件發(fā)生，以CT-FFR值≤0.8為界值來界定是否需要進一步行有創(chuàng)冠脈造影，能減少不必要的有創(chuàng)檢查。本研究發(fā)生心血管終點事件的患者中，CT-FFR≤0.8者明顯多于>0.8的患者；多因素logistic回歸分析排除了年齡和性別的因素，得出CT-FFR值≤0.8是心血管終點事件發(fā)生的獨立危險因素的結(jié)論。這與近期發(fā)表的關于應用傳統(tǒng)CT-FFR值預測心血管終點事件的研究[4,6,20]結(jié)果一致。本研究應用人工智能技術支持的CT-FFR計算方法，進一步證明，用這種簡便高效的軟件也可得出與傳統(tǒng)軟件相似的結(jié)果，對臨床工作具有指導意義。

本研究存在的不足：①現(xiàn)階段僅進行了回顧性研究，且病例數(shù)較少，需進行大樣本量的前瞻性研究來進一步提高研究結(jié)果的可信度。②由于回顧的年限較久遠，病史采集尚不完善，多因素分析中納入的因素較少，今后做前瞻性研究時可完善患者病史。

綜上所述，本研究通過回顧5年前影像學資料，經(jīng)統(tǒng)計學分析后明確了CT-FFR值≤0.8可能對穩(wěn)定型冠心病患者的心血管終點事件起到重要的預測作用，對此類患者可以進行該檢查，以進一步指導臨床工作。

(該論文經(jīng)審稿，已入選“春蕾杯”科研論文評比)