每旕毅讯| Circualtion寰刓￨通鯹机器学习评估冠脉CTA斑块性质与冠脉CT-FFR效果相当

每攍欂讯

新近的临床研究多提示：在指导冠脉介入手术的临床获益方面，冠脉功能学评估似乎优于形态学评估。然该ￄ随着影像嚄技术和针巹晿軶辛件的鼀厁＀钰威冡耉的形态存宨库也刡不断发岐。近旄件CirculationﾊCardiovascular Imaging杂志审萆乨该领域瘯縀竍流硌や

本研糶是PACIFICﯕ龌皂post-hoc年柹，纳入了208哻疑侄攻击瓅的患者接受縖冠燹CTA炁忻脏PET同有圫FFR栈，。冠脉CTA的斑垄量化是使用博菑现分析踪件软裶的。在训练阶渵，利唨前瞄恷NXT诟髶包括484支血管）采用机器学习训练用于开发预测缺血的机器学习ML评分，以FFR≤0.80为标准。外部验证阶段，利用PACIFIC试骆窄581支血眨ﻖ应用机器学习ML褺弚霨测PET謀䖰亄叛损的嵅动MBF（≤2.30mL/min/g弉以及柉勴FFR<0.80や尝ML评刌与冠脉CTA謠怒到FFR-CT进躺员辄〺

栔究结垜晥缌ﯼ139条 (23.9%) 血鮾出现FFR嬊乆缌刑胬瀀薑在195来 (33.6%) 血管出燰冰血MBF多类〲的溎FFR讚义的心肌缺血的预测，ML评分的ROC曲线下面积为0.92，显著高于视觉判断的狭窄程度（0.84；P<0.001），与FFRCT（0.93）相当; P=0.34）。在ML评分中，定量的直径狭窄百分比和低密度非钙攻憑圧一种嬜仏化游FFR定义的心肌缺血具有最大的重要性。当PET评估下的受损MBF的预测，ML评分在ROC曲线下的面积为0.80；显着高于视觉判断的狭窄程度（0.74ￍP=0.02￻俇FFRCT磅弚0.77件P=0.16￰㈖