周玉杰：FFR无创时代——基于人工智能的FFR-CT快速计算

通过压力导丝检查得出血流储备分数(Fractional Flow Reserve，FFR）这种技术是临床上用来判断冠脉狭窄病变血管生理功能的方法之一。然而，由于压力导丝检测是有创的，存在一定风险，且压力导丝的价格也偏高，FFR在我国的使用量还是相对偏低。因此，利用CT数据研发出来的无创FFR-CT技术对冠心病患者的意义会更大。在最近召开的学术会议上，来自北京安贞医院的周玉杰教授公布了一项基于人工智能的FFR-CT快速计算研究的试验结果，该技术在与有创FFR对比时展现出了良好的准确性，具有非常可观的前景。

背　景

FFR-CT是使用现有的CT影像，同时利用流体动力学的原理，计算出血液的速度和压力，从而换算出三维的FFR数据，无创FFR技术不需要血管扩张药物，也不需要高价格的压力导丝。自2011年起，已有3个关于FFR-CT的多中心临床研究证实其与FFR的一致性较高，在此临床试验数据的支持下，FFR-CT已在2014年11月26日通过了美国FDA认证。

目前，FFR-CT仍存在需解决的问题，包括：（1）血流动力学模拟算法尚需改进，利用静息下的CT冠状动脉成像（CCTA）数据模拟最大充血状态下的压力情况，会造成模型的偏差；（2）FFR-CT运算较为复杂，多需远程服务器运算和专业CFD人员操作，且耗时较长，完成一例FFR-CT最快需4 h，进一步改进目标是缩短至30 min以下才能实现临床应用；（3）FFR-CT对CCTA图像质量要求较高，存在不成功的风险。

随着大数据和人工智能技术的兴起和发展，计算流体力学技术在冠状动脉中应用趋于成熟，计算速度和计算机精度进一步提高，为基于深度学习的人工智能程序在医学影像数据中的应用提供了可行性。

深脉分数（DEEPVESSEL FFR）是一款基于人工智能（AI）的冠状动脉生理功能评估软件。通过计算机断层扫描冠状动脉造影影像（Computed Tomography Angiography, CTA）进行无创快速的FFR分析。不同于传统基于流场仿真的检测方法，DEEPVESSEL FFR采用自主研发的基于血流动力学的Feature Flow深度学习技术，能够快速、精准地计算整个血管树路径上各点的FFR值，提供临床所需的定量检测结果，做到准确、实时的分析，达到降低诊断成本的目的。

基于AI的FFR-CT快速计算研究

该研究是一项前瞻性、多中心、自身对照的试验，旨在评估DEEPVESSEL FFR用于诊断冠心病的准确性。

研究在2017年4月~12月期间，共计纳入125名受试者，在CT冠状动脉成像后的30天内行有创FFR检查，包括148例病变血管，其中70例FFR≤0.80，78例FFR≥0.80。

有创FFR和DEEPVESSEL FFR的对比结果显示，以血管为基础，DEEPVESSEL FFR诊断的准确率、敏感性、特异性较高，诊断性能优越。每例DEEPVESSEL FFR的计算时间缩短至5分钟。

小　结

DEEPVESSEL FFR作为人工智能在心血管无创诊断的重大应用，是冠心病临床诊断从不精准到精准，从有创到无创的划时代产品。该技术在临床工作中表现出巨大潜力，不仅可以弥补当前冠心病无创诊断准确性的不足，同时避免了患者更多的有创检查，大幅减轻了患者经济负担，是具有改变医疗格局和诊疗途径的一款划时代产品。

本文内容为《门诊》杂志原创内容转载须经授权并请注明出处。

门诊新视野｜微信号：ClinicMZ

《门诊》杂志官方微信