快速现场FFR-CT算法有助于促进临床应用

根据公布的一项研究美国放射学杂志》(学杂志),一个基于高速现场深度学习分数流储备(FFR) - ct算法取得了良好的诊断性能的血液流动明显狭窄,高interobserver和intraobserver再现性。

“现场快速、准确的方法来确定FFR-CT应该解决遇到的挑战临床采用FFR-CT实现之前,“通讯作者罗尼拉尔夫Buechel写道,医学博士,在瑞士苏黎世大学医院。

在这个学杂志研究中,59岁病人(46人,13名女性;平均年龄66.5岁)接受冠状动脉CTA(包括钙得分)之后90天内通过侵入性血管造影术入侵FFR和/或寻求原子级上瞬时无波的比值(iwFR)测量从2014年12月到2021年10月。冠状动脉病变被认为是显示血液流动显著狭窄的存在入侵FFR≤0.80和/或iwFR≤0.89。

一个心脏病专家评估CTA图像使用基于现场深度学习的半自动的算法采用三维计算流体动力学模型来确定FFR-CT冠状动脉病变检测到入侵血管造影术。然后,时间FFR-CT分析记录。FFR-CT分析重复同样的心脏病专家在26个随机选择的考试,以及不同的心脏病专家在45个随机选择的考试。

最终,Buechel和同事们的现场深度学习证明AUC为血液流动显著stenosis-based FFR-CT算法基于入侵angiography-of 0.975,敏感性为93.5%,和特异性为97.7%。严重钙化病变中,他们相同的算法AUC 0.991,敏感性为94.7%,特异性为95.0%。此外,分析时间是7分54秒。

“据我们所知,”作者学杂志接受手稿补充道,“目前报道的意思是处理定时器是最快的报道时间现场FFR-CT分析。”