观点

无创血流储备分数的应用能否成为冠状动脉疾病介入治疗的看门人

王志强 周玉杰

请尊重版权,未经授权禁止下载

引用格式: 王志强,周玉杰 . 无创血流储备分数的应用能否成为冠状动脉疾病介入治疗的看门人 [J/OL]. 中华心血管病杂志 ( 网络版 ),2019,2:e1000022(2019-09-26). http://www.cvjc.org.cn/index.php/Column/columncon/article_id/185.DOI:10.3760/cma.j.issn.2096-1588.2019.1000022.

复制引文
发布日期: 2019/09/26    浏览量: 6442 次

登录后方可查看全文,无账号可以前往注册

版权归中华医学会所有。
未经授权,不得转载、摘编本刊视频资料。
除非特别声明,本刊刊出的所有视频及资料不代表中华医学会和本刊编委会的观点。
目录
视频
引言
04:20
音频
FFRCT 的优势所在
08:15
音频
我国自主研发的基于人工智能的FFRCT快速计算系统
03:05
音频
FFRCT或将成为冠状动脉造影的守门人
02:36
音频
FFRCT或将成为介入手术的看门人
04:46
音频
小结
00:40

引言

进入 21 世纪,心血管疾病(cardiovascular diseases,CVD)成为严重威胁人类健康的“头号杀手”。最新的全球疾病负担研究结果显示,在多数国家 CVD 的致死病例数已超过全身各部位肿瘤的总和 [1]。过去10 年间冠状动脉疾病从我国第七位死因迅速上升至第二位,且随着我国人口老龄化进展加速,今后 10 年患病人数将迅猛增长,并且发病年龄趋向年轻化,带来极大的社会负担。与此同时,冠状动脉支架置入手术量的剧增引起了公众对“支架滥用”的质疑,但学界主流观点认为,冠状动脉支架置入手术量的增加是冠状动脉疾病的检出率增加和介入操作水平提高而出现的必然结果,使得原本未检出的和原本不可能置入支架的冠状动脉疾病患者得到了有效治疗。判断支架是否滥用的关键是对手术适应证的把握。自FAME/FAME 2研究结果发布后,功能学的心肌缺血[血流储备分数(fractional flow reserve,FFR)<0.8] 已取代形态学对冠状动脉狭窄程度(狭窄 >70%)的判断,成为稳定性心绞痛患者冠状动脉重建手术适应证的“金标准”[2-3]。FAME/FAME 2 研究将冠状动脉疾病治疗的目标从“治疗狭窄”转变为“治疗缺血”。
然而,即使在美国和欧盟等冠状动脉 FFR 应用率最高的地区,其应用率仍不足 10%。为什么在有如此强大的证据而且经过了 20 年的发展后冠状动脉 FFR 的应用率如此低 ? 第一,导管室内行冠状动脉 FFR 检查时间及手术时间延长,还要应用药物负荷,降低了该检查的使用率;第二,应用该检查短期花费增加,术中压力导丝和负荷药物的应用增加了花费;第三,许多术者对于目测判断狭窄是否引起缺血过于自信导致该检查的应用减少。因此,实现从一次无创的冠状动脉 CT 检查或单纯的冠状动脉造影检查获取冠状动脉 FFR 来替代传统有创冠状动脉 FFR,从而指导介入治疗有很好的临床需求和应用前景。

FFRCT 的优势所在

近几年,随着计算流体动力学(computational fluid dynamics,CFD)的发展,从常规冠状动脉 CT 血管造影图像中获得 FFR 值已经成为现实(FFRCT)。FFRCT 基于常规冠状动脉 CT 图像,通过 CT 冠状动脉树的提取和分析,结合病变(斑块大小、分布与狭窄程度)、左心室心肌质量、血压等综合参数,配合 CFD 数值计算 , 实现对于冠状动脉狭窄病变处的 FFR 无创评价,而且不需要腺苷等药物的充血诱导 [4-5]。FFRCT 不仅可提供冠状动脉的综合性FFR 数据,还可以得出冠状动脉树任何部位的 FFR数据。在美国 HeartFlow 公司的推动下,自 2011 年起已有 3 个关于 FFRCT 的多中心临床注册试验 [6-8],分别是 DISCOVER-FLOW 研究、DeFACTO 研究和HeartFlowNXT 研究,其研究结果已发布,均证明FFRCT 与有创 FFR 值基本一致。在上述临床试验数据的支持下,HeartFlow 公司的 FFRCT 在 2014 年 11月 27 日通过了美国 FDA 认证。
1. DISCOVER-FLOW 研究 [6]:该项研究通过临床试验评价 FFRCT 在判断缺血性病变方面的应用。研究入选了来自 4 个中心的 103 例怀疑或明确诊断的冠状动脉疾病患者,共评估 159支冠状动脉病变血管。以侵入性冠状动脉造影血流储备分数(fractional flow reserve derived from invasive coronary angiography,ICA-FFR) 为 标 准, 分 别 评 价 冠 状 动 脉 CT 造 影(coronary computed tomography angioplasty,CCTA)和 FFRCT 在缺血病变方面的诊断价值。判断标准:(1)ICA-FFR ≤ 0.8,(2)CCTA 示管腔直径狭窄≥ 50%,(3)FFRCT ≤ 0.8。结果显示,65% 患者的 FFRCT ≤ 0.8,在以病变血管为基础的层面上,FFRCT 和冠状动脉计算机体层扫描血管造影(coronary computer tomography angiography, CCTA)诊断缺血性病变的准确性、敏感度、特异度、阳性预测值和阴性预测值分别为 84.3%、87.9%、82.2%、73.9%、92.2% 和 58.5%、91.4%、39.6%、46.5%、88.9%。受试者操作特征 [receiver operating characteristic(ROC)] 曲线下面积(area under curve, AUC)分别为 0.90 和 0.75(P=0.01)。进行相关性分析发现,FFRCT 值和 ICA-FFR 值有较好的相关性(Spearman 相关性系数 r=0.717,P < 0.001;Pearson相关性系数 r=0.678,P < 0.000 1),同 ICA-FFR 值相比较,FFRCT 值有轻度低估倾向(0.022±0.116, P=0.016)。研究结果表明,FFRCT 可在临床上提高对心肌缺血病变诊断的特异度和阳性预测值,降低心肌缺血病变假阳性率,比单独采用 CCTA 有更强的诊断和排除由冠状动脉引起缺血性病变的作用。
2. DeFACTO 研究 [7]:该项研究是一个多中心前瞻性评价 FFRCT 诊断价值的研究,ICA-FFR 为参考标准。该研究入选了来自 5 个国家 17 个中心 的 252 例疑似或明确诊断为冠状动脉疾病患者。 以 ICA-FFR 为 标 准(ICA-FFR ≤ 0.8), 分别评价 CCTA(管腔直径狭窄 ≥ 50%)和 FFRCT(FFRCT ≤ 0.8)在缺血病变方面的诊断价值。结果显示,在以患者为基础的层面上,与有创 FFR 对比,FFRCT 和 CCTA 诊断缺血性病变的准确性、敏感度、特异度、阳性预测值和阴性预测值分别为 73%、90%、54%、67%、84% 和 64%、84%、42%、61%、72%。CCTA 诊断缺血 AUC 为 0.68,而 FFRCT 的AUC 为 0.81,P < 0.001。FFRCT 判断缺血性病变的准确性为 73%(95%CI 为 67%~78%),高于CCTA 的 64%(95%CI 为 58%~70%),其诊断准确性的 95%CI 范围的低界值 <70%,虽然这并未达到试验预先设定的主要终点目标,但是研究者认为,和单纯的 CCTA 比较,FFRCT 更有助于提高诊断冠状动脉患者心肌缺血病变的诊断准确性和识别度。
3.HeartFlowNXT 试验 [8] 研究:该研究是评价FFRCT 在冠状动脉缺血病变方面的另一项研究。研究入选了来自 10 个中心的 270 例患者。结果显示,以病变血管、患者为基础的层面上,FFRCT 诊断缺血病变的准确性、敏感度、特异度、阳性预测值和阴性预测值分别为 80%、85%、79%、63%、92% 和86%、84%、86%、61%、95%。以病变血管为基础的层面上(AUC:FFRCT 与 CCTA 分别为 0.90 及 0.83, P=0.000 8),在以患者为基础的层面上(AUC:FFRCT 与 CCTA 分别为 0.93 及 0.79,P < 0.000 1)。不论从哪个层面来看,FFRCT 对缺血病变诊断的准确性和识别度都高于 CCTA,能显著增加对缺血病变的诊断敏感度,对缺血病变有更好的评价。
FFRCT 尚存在 4 个需要解决的问题 [9]:(1)血流动力学模拟算法尚需改进,利用静息下的 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) FFRCT 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 1 例FFRCT 最快需要 4 h,进一步改进缩短至 30 min 以下才能实现临床应用;(3)FFRCT 对 CCTA 图像质量要求较高 , 存在不成功的风险。

我国自主研发的基于人工智能的 FFRCT快速计算系统

随着大数据和人工智能技术的兴起 [10],特别是Google 公司所设计的人工智能程序击败了韩国棋手的事实,让其他领域的研究者看到基于深度学习的人工智能程序在医学影像数据上应用的可行性。
FFRCT 是无创检测冠状动脉病变是否引起缺血的新方法,其基本计算原理并不复杂。虽然至今只有HeartFlow 公司的 FFRCT 通过了美国 FDA 认证,但并不意味着该技术归 HeartFlow 公司独有。全球多个中心都在开发自己的 FFRCT 算法。医工结合联合开发的深度学习模型是从 15 000 个冠状动脉疾病病例的数据库中训练出来的。这个数据库广泛地覆盖了冠状动脉不同程度、不同形态狭窄的样本。深度学习平台(DeepVesselFFR)可以利用先进的深度学习模型来提取与血流动力学相关的必要的形态特征,从而建立患者特定心血管树的压力分布和形态特征之间的联系。这个培训过程完成后,每例 FFRCT 的计算时间缩短至 5 min。
由周玉杰教授牵头的前瞻性、多中心研究 [11] 在首都医科大学附属北京安贞医院等 3 家机构内进行,计划纳入 130 例受试者。对符合本次研究条件的受试者,在 30 d 内进行一次 ICA/FFR 测试并记录测量位置和原始数据,同时在 30 d 内完成 DEEP VESSEL FFR(深脉分数)的计算,对比测量和计算 FFR 结果,并对 DEEP VESSEL FFR 诊断情况进行评估。要评价指标通过对计算平台用于冠状动脉疾病诊断时的 ROC 曲线的 AUC 确定。结果显示,125 例最终完成实验,以 FFR ≤ 0.8 为诊断缺血的标准,软件诊断缺血的 AUC 为 0.936(95%CI 为 0.893~0.978),在血管水平诊断缺血的准确性为 88.89%(95%CI为 82.58%~93.52%)、敏感度为 93.42%(95%CI 为85.31%~97.83%)、 特 异 度 为 83.82%(95%CI 为82.90%~91.64%)、阳性预测值为 86.59%(95%CI 为77.27%~93.11%)、阴性预测值为 91.94%(95%CI 为82.17%~97.33%)。ICA 测量 FFR 值与实验软件测量FFR 值的相关系数为 0.649(95%CI 为 0.567~ 0.726)。

FFRCT 或将成为冠状动脉造影的守门人

PLATFORM 研究 [12] 是一项纳入 584 例中等危险程度(最新 Diamond-Forrester 风险评分 20%~80%)的冠状动脉疾病患者的前瞻性、多中心、非随机对照试验,试验分为 2 个队列,队列 1 为根据临床症状常规检查评估后进行决策,队列 2 为接受 CCTA 检查并根据 FFRCT 结果进行决策干预。每个队列又分别根据入组前先验性决策接受无创影像检查或是接受有创ICA 检查再进一步分为 2 个亚组。该研究的主要终点事件是先验性决策接受有创 ICA 检查的患者中,首次评估后 90 d 内接受 ICA 但无严重梗阻性病变(定量测量狭窄程度≥ 50% 或 FFR < 0.80)的患者比例,次要终点事件主要包括死亡、心肌梗死、突发性的血运重建手术。结果显示,对于计划行 ICA 患者,与标准 ICA 相比,结果显示,对于计划行 ICA 而 ICA证实无严重阻塞性病变的患者,在两个队列卒中的比例为 73% vs.12%。在次要研究终点方面,辐射或血运重建率方面各组间无差异。应用 FFRCT 导致 61%的患者取消 ICA 检查,且可为经皮冠状动脉介入治疗(percutaneous coronary intervention,PCI)/ 冠 状动 脉 旁 路 移 植 术(coronary artery bypass grafting,CABG)提供更多功能性数据。在预计进行有创性治疗的胸痛患者中,采用 FFRCT 检测的患者平均 90 d花费达 7 343 美元,采用诊断性血管造影的患者平均花费 10 734 美元,后者费用平均高出 3 391 美元,差异有统计学意义(P < 0.01)。提示 FFRCT 具有较好的应用前景与经济学价值。

FFRCT 或将成为介入手术的看门人

ADVANCE研究[13]是一项国际多中心注册研究,纳入了2015年7月15日至2017年1月20日来自欧洲、北美和日本的 38 个中心共 5 083 例 CCTA 显示冠状动脉存在 30%~90% 狭窄的患者,记录人群的基线特征并进行 FFRCT 分析(HeartFlow 公司),每个分中心的临床医生根据 CCTA 和 FFRCT 的结果进行临床管理决策。研究终点包括 1 年的主要不良心血管事件(major adverse cardiovascular events,MACE),如心肌梗死(myocardial infarction,MI)、心血管死亡、全因死亡率和需血运重建的急性冠状动脉综合征(acute coronary syndrome,ACS)所致的非计划内住院等,数据分析由设盲的核心实验室完成(图 1)。
研究者将 0.80 作为 FFRCT 的临界值,将受试者分为 FFRCT 阳性(FFRCT ≤ 0.80)和 FFRCT 阴性(FFRCT > 0.80)两组进行 1 年事件发生率的分析。结果显示,FFRCT ≤ 0.80 组和 FFRCT > 0.80组发生 MACE 事件分别为 43 例和 12 例(RR 值为1.81,95%CI 为 0.96~3.43,P=0.06); 发生全因死亡和(或)MI 分别为 38 例和 10 例(RR 值为 1.92, 95%CI 为 0.96~3.85,P=0.06),与 FFRCT>0.80 组相比,FFRCT ≤ 0.80 组的患者心血管死亡或 MI 发生率更高 [25(0.8%)vs. 3(0.2%);RR 4.22,95%CI1.28~13.95,P=0.01],并且在 FFRCT>0.80 的1 592 例患者中有 3 例(0.19%)发生 MI,但没有患者发生心血管死亡。此外,根据狭窄程度和 FFRCT值分组,各组之间的临床诊疗有显著差异。随访期间,FFRCT ≤ 0.80 的患者血运重建大多在 90 d 内进行,1 208 例(38.4%)FFRCT ≤ 0.80 的 患 者(90 d内为 34.9%,第 91~365 天为 3.5%)和 89 例(5.6%)FFRCT > 0.80 的患者(90 d 内 4.4%,第 91~365 天 为 1.2%)(RR 6.87,95%CI 5.59~8.45; P < 0.001)进行了血运重建。大多数 FFRCT 检测后推荐进行药物治疗的患者(n=2 679)在 1 年时仍仅接受药物治疗 [n=2 490(92.9%)]。同样,在 FFRCT 检测后推荐进行血运重建的患者中(n=1 416),大多数患者(n=975[68.9%])在 1 年内接受了血运重建治疗,包括 842 例(59.5%)PCI 和 133 例(9.4%)CABG。该研究结果显示,总体人群的事件发生率均较低。与FFRCT 阳性(FFRCT ≤ 0.80)的患者相比,FFRCT阴性(FFRCT > 0.80)的患者中 ICA 比例和血运重建率显著降低,MACE事件发生率也具有降低的趋势,并且心血管死亡或 MI 发生率均显著降低。
以往研究主要关注于 FFRCT 的诊断效能,其在真实世界中对于患者的治疗策略的指导意义以及对临床结局的预测价值究竟如何还不明确,ADVANCE 注册研究正是回答了这一问题。该研究还发现,研究中大多数 FFRCT 检测后推荐进行药物治疗的患者在1 年时仍仅接受药物治疗 [n=2 490(92.9%)],并且在 FFRCT>0.80 的 1 592 例患者中仅有 3 例(0.19%)发生 MI,无一例患者发生心血管死亡。这表明在CCTA 的基础上将 FFRCT 纳入临床决策路径后,对于未进行侵入性评估的患者的管理具有较好的实用性和安全性,更加能够胜任导管室“看门人”这一角色,可能有助于减少医疗资源的浪费,但其具体价值仍需针对医疗卫生经济学的相关研究进一步证实。

小结

FFRCT 在真实世界中的研究应用,证实了对于临床稳定的冠状动脉疾病人群,在 CCTA 的基础上将FFRCT 纳入诊断流程能够为临床医生的决策制定增加一种有力的手段,在保证安全性的基础上减少有创性冠状动脉造影的使用,同时有助于预测患者的临床结局。FFRCT 应用于临床是大势所趋,定将大有所为。
  • 作者: 王志强    周玉杰   

  • 作者单位: 首都医科大学附属北京安贞医院十二病房 北京心肺血管研究所   

  • 通信作者: 周玉杰,E-mail: azzyj12@163.com

  • 关键词: 冠状动脉疾病;血流储备分数, 心肌;冠状动脉CT血管成像

  • DOI: 10.3760/cma.j.issn.2096-1588.2019.1000022

  • 基金项目: 无

  • 利益冲突: 无

  • 收稿日期: 2019-05-31

  • 录用日期: 2019-07-03

  • 本文编辑: 史红

  • 摘要中文

    无

    摘要英文

    无

    微信截图_20190924091719.png

    本研究主要材料与器材

    无

    参考文献

    [1]GBD 2013 Mortality and Causes of Death Collaborators.Global, regional, and national age-sex specific all-cause and cause-specific mortality for 240 causes of death, 1990-2013: a systematic analysis for the Global Burden of Disease  Study  2013[J].Lancet,  2015,385(9963):117-171. DOI:10.1016/S0140-6736(14)61682-2.
    [2] Tonino PA, De Bruyne B, Pijls NH, et al. Fractional flowreserve versus angiography for guiding percutaneous coronary intervention[J]. N Engl J Med, 2009,360(3):213-224. DOI: 10.1056/NEJMoa0807611.
    [3] De Bruyne B, Pijls NH, Kalesan B, et al. Fractional flowreserve-guided PCI versus medical therapy in stable coronarydisease[J]. N Engl J Med, 2012,367(11):991-1001. DOI: 10.1056/NEJMoa1205361.
    [4] Taylor CA, Fonte TA, Min JK. Computational fluid dynamics applied to cardiac computed tomography for noninvasivequantification of fractional flow reserve: scientific basis[J].J Am Coll Cardiol, 2013,61(22):2233-2241. DOI: 10.1016/j.jacc.2012.11.083.
    [5] Sun Z, Xu L. Computational fluid dynamics in coronary artery
    disease[J]. Comput Med Imaging Graph, 2014,38(8):651-663. DOI:10.1016/j.compmedimag.2014.09.002.
    [6] Koo BK, Erglis A, Doh JH, et al. Diagnosis of ischemia-causing coronary stenoses by noninvasive fractional flow reserve computed from coronary computed tomographic angiograms.Results from the prospective multicenter DISCOVER-FLOW (diagnosis of ischemiacausing stenoses obtained via noninvasive fractional flow reserve)study[J]. J Am Coll Cardiol, 2011,58(19):1989-1997. DOI: 10.1016/j.jacc.2011.06.066.
    [7] Nakazato R, Park HB, Berman DS, et al. Noninvasive fractional flow reserve derived from computed tomography angiography for coronary lesions of intermediate stenosis severity: results from the DeFACTO study[J]. Circ Cardiovasc Imaging, 2013,6(6):881-889.DOI: 10.1161/CIRCIMAGING.113.000297.
    [8] Nørgaard BL, Leipsic J, Gaur S, et al. Diagnostic performance of noninvasive fractional flow reserve derived from coronary computed tomography angiography in suspected coronary artery disease: the NXT trial (analysis of coronary blood flow using CT angiography:next steps)[J]. J Am Coll Cardiol, 2014,63(12):1145-1155. DOI:10.1016/j.jacc.2013.11.043.
    [9] Hecht HS. The game changer?[J]. J Am Coll Cardiol,2014,63(12):1156-1158. DOI: 10.1016/j.jacc.2013.12.014.
    [10] Mnih V, Kavukcuoglu K, Silver D, et al. Human-level control through deep reinforcement learning[J]. Nature,2015,518(7540):529-533. DOI: 10.1038/nature14236.
    [11] Wang ZQ, Zhou YJ, Zhao YX, et al. Diagnostic accuracy of a deep learning approach to calculate FFR from coronary CT angiography[J]. J Geriatr Cardiol, 2019,16(1):42-48. DOI: 10.11909/j.issn.1671-5411.2019.01.010.
    [12] Douglas PS, De Bruyne B, Pontone G, et al. 1-Year outcomes ofFFRCT-guided care in patients with suspected coronary disease:the PLATFORM Study[J]. J Am Coll Cardiol, 2016,68(5):435-445.DOI: 10.1016/j.jacc.2016.05.057.
    [13] Patel MR, Nørgaard BL, Fairbairn TA,et al.year impact on medical practice and clinical outcomes of FFRCT: the ADVANCE Registry[J].JACC Cardiovasc Imaging, 2019[Epub ahead of print]. DOI:10.1016/j.jcmg.2019.03.003.
    • 点评 1
      该综述就近年来国际上有多项多中心、大规模临床试验陆续展开,分别针对FFRCT的诊断准确性、临床决策干预指导意义及危险再分级价值进行逐步探究和验证。就近年来FFRCT临床应用及研究试验进展进行综述,并简要探讨其局限性及未来发展,文章观点明确,结合自己的研究总结了FFRCT的意义和发展趋势。
      北京医院心内科 汪芳
    发表评论文明上网理性发言,请遵守互动礼仪
    您需要先 登录 后方可发表评论。
    • 全部评论
    • /
    • 我的评论
    • 最新
    • /
    • 最热