中华心血管病杂志（网络版）

正文
作者信息
摘要

中文摘要

英文摘要
图与表
材料与器械
参考文献
专家点评
互动专区

引言

目前，基于冠状动脉造影评估狭窄程度仍是指导经皮冠状动脉介入治疗（percutaneous coronary intervention，PCI）的常用方法。然而，仅凭冠状动脉造影有时无法准确判断狭窄病变的生理学意义［1］，基于有创压力导丝的冠状动脉血流储备分数（fractional flow reserve，FFR）可以评估冠状动脉狭窄的血流动力学［2］。循证医学证据提示，基于FFR指导PCI治疗可改善患者的临床结局并降低费用［3‑6］。最新的欧洲心脏病学会（European Society of Cardiology，ESC）指南［7］、美国心脏病学会（American College of Cardiology，ACC）指南［8］及中国冠状动脉介入操作规范［9］中对FFR的推荐等级均为（Ⅰ，A），FFR已经成为评判狭窄是否造成下游心肌缺血的最佳标准。然而，FFR检查需要置入冠状动脉的压力导丝或压力微导管，费用昂贵，测量过程复杂，有潜在在相关不良反应，临床使用受限［10］。

随着影像建模与计算流体力学（computational fluid dynamics，CFD）分析技术的发展，近年来相继出现了多种基于冠状动脉影像，无需压力导丝（或压力微导管），无需微循环扩张药物，通过血管重建和流体力学分析快速计算FFR的方法，形成了计算冠状动脉生理学这一新兴学科。计算冠状动脉生理学最初基于冠状动脉CT血管造影（coronary computed tomography angiography，CCTA）与介入冠状动脉造影。近年来，基于腔内影像学如血管内超声（intravascular ultrasound，IVUS）或光学相干断层成像（optical coherence tomography，OCT）的计算生理学方法也陆续涌现，利用腔内影像的高分辨率优势，来进行更精准的血管三维重建及FFR计算。

计算冠状动脉生理学与基于压力导丝的传统功能学评估具有良好的诊断一致性，并显著优于单纯基于影像的解剖学评估［11］。越来越多的临床证据表明，计算冠状动脉生理学在临床实践中具有重要的应用，包括PCI术前诊断、术中指导和术后疗效评估。本文主要阐述计算冠状动脉生理学评估技术的计算原理、操作规范、证据支持及临床应用，以期帮助术者深入了解计算冠状动脉生理学如何克服传统方法的局限性，并在临床实践中发挥重要的作用。

计算冠状动脉生理学的技术原理和临床验证

FFR定义为目前状态下冠状动脉下游心肌所能获得的最大血流量与假设冠状动脉完全正常时该区域心肌可能获得的最大血流量之比。在腺苷等药物诱发的最大充血状态下，冠状动脉微循环阻力降至最低，心肌所获血流量与灌注该区域心肌的冠状动脉远端血压成正

比。因此，临床上通过测量最大充血状态下冠状动脉远端压力和开口附近主动脉压力的比值获得FFR值。基于此原理，从影像中评估冠状动脉病变段在模拟最大充血状态下的压力下降是计算FFR的关键。

冠状动脉压力下降及FFR数值计算主要包括3个步骤［11］：（1）基于冠状动脉影像对目标血管段进行三维几何建模（即建立几何边界条件）；（2）对目标血管段施加合理的血流动力学边界条件，如血流和血压等；（3）基于以上几何和血流动力学边界条件，选择合适的血流动力学建模方法求解目标血管段各处的压力数值。与压力导丝测量的FFR相同，计算FFR的数值在0~1之间，数值越小表明该狭窄造成的血流减少越严重，临床上将 ≤0.80作为诊断具有血流动力学意义狭窄的阈值。不同模态冠状动脉影像可被用于计算FFR，包括无创CCTA、冠状动脉造影，以及腔内影像学技术如IVUS或OCT。

一、基于冠状动脉CT血管造影的计算血流储备分数
2011年，出现了首个基于CCTA和CFD仿真的计算FFR方法（CT‑derived FFR，CT‑FFR）［12］。该方法的基本原理如下［12‑14］：首先基于CCTA图像三维分割并重建冠状动脉树，估算正常基线冠状动脉血流量；然后以简化模型表示心室和体循环对冠状动脉血流的影响，计算总冠状动脉血流阻力；最后，模拟微循环阻力降低将基线血流转化为充血血流，通过CFD仿真计算冠状动脉树每个位置的压力。CT‑FFR诊断有血流动力学意义狭窄的准确性优于传统CCTA，主要提高了阳性预测值（表1）。ADVANCE研究1年随访显示，相比于CT‑FFR≤0.80的患者，CT‑FFR>0.80的患者发生心血管死亡或心肌梗死的风险降低［15］。PLATFORM研究［16］和PROMISE研究［17］表明，相比于传统CCTA或功能学诊断方法，基于CT‑FFR指导血运重建可能具有更高的卫生经济学效应。然而，CT‑FFR仍有以下主要局限：（1）CCTA的影像质量直接影响CT‑FFR的可行性；（2）耗时长，仅冠状动脉树的平均分割时间即约1 h；（3）硬件要求高、价格昂贵，必须在配备超级计算机的核心实验室中完成。这些都限制了CT‑FFR在临床的广泛应用［18］。

近年来出现了基于CCTA和简化CFD方法的FFR（CT‑based FFR，cFFR）技术，通过将狭窄处压力下降模型与正常血管段降维CFD模型耦合求解FFR值［19］。该技术具有较低的硬件要求和较快的运行速度（30~120 min），但诊断准确性略低（表1）。该技术的改进版本——基于机器学习的cFFR（machine learning‑based cFFR，cFFRML）通过智能管腔分割与FFR计算，进一步提高了三维重建和计算效率（表1），将分析时间降至12 min［20‑21］。该算法通过建立涵盖不同病变特征与解剖结构的冠状动脉血管树数据集，提取血管特征并进行CFD仿真获得FFR数值用于训练机器学习模型，通过机器学习计算冠状动脉树中心线上任意位置的FFR值。初步验证表明，cFFRML与基于CFD的CT‑FFR诊断表现类似。然而，cFFRML的临床可行性仍有待验证，且模型训练直接受到CFD方法计算准确度的影响。

近期，定量血流分数（quantitative flow ratio，QFR）算法被延伸至CCTA图像，形成了快速计算FFR的方法（CTA‑based QFR，CT‑QFR）［22］。该技术通过三维重建冠状动脉树，建立参考管腔（即假设冠状动脉完全正常时的血管腔），基于异速生长定律估算患者基线冠状动脉血流并转化成最大充血血流，通过QFR算法计算冠状动脉树任意位置的FFR值。CT‑QFR可在普通计算机上计算，每个病例约耗时8 min［23］。针对134例患者的156条血管的研究表明，CT‑QFR的可行性为90%，预测有血流动力学意义的狭窄的准确性、敏感度和特异度分别为87%、90%和85%（表1）［22］。Dan‑NICAD研究子分析表明，CT‑QFR作为二线诊断策略的诊断表现不劣于心肌灌注成像［24］。然而，CT‑QFR的实际临床应用价值有待进一步验证。

基于CCTA计算FFR具有无创、安全及临床适用范围广等特点。但目前临床可行性尚不高，受到CCTA图像伪影和高度钙化的影响；临床验证多局限于已接受冠状动脉造影的患者，其在真实世界冠心病患者中的临床证据尚不充分。

二、基于冠状动脉造影计算血流储备分数
相比于CCTA，冠状动脉造影成像的时空分辨率显著提高。近年提出的基于冠状动脉造影计算FFR方法获得了广泛的临床验证，其中，QFR技术的临床证据最为充分（表1）。第一代QFR技术于2016年公开发表，该技术基于2幅投照体位大于的常规冠状动脉造影，三维重建管腔几何模型，并结合下游心肌所需血流量，计算流经病变血管段的血流能量损失导致的压力差，得到狭窄远端压力和血管近端压力的比值，即QFR值（图1）［25］。第一代QFR技术基于2幅造影图像，分析仅限于主支血管，未考虑边支血管的分流作用。为了进一步提高临床可行性和准确度，第二代基于Murray分叉分型定律的QFR（Murray law‑based QFR，μQFR）于2021年公开发表［26］。μQFR技术同时支持单体位造影与双体位造影进行分析，运用Murray分叉分型定律获得跨边支阶梯下降的参考管腔模型，结合血流动力学分析同时计算主支和边支血管各个位置的FFR数值（图1）［26］。

以FFR为参考标准，在囊括16项研究2 933例患者共3 335条血管的荟萃分析中，QFR诊断有血流动力学意义的狭窄的敏感度为84%，特异度为89%［35］。基于4项大型前瞻性研究（FAVOR Pilot，WIFI Ⅱ，FAVOR Ⅱ China和FAVOR Ⅱ Europe‑Japan），共819例患者969条血管的荟萃分析显示相似的诊断效能，QFR和FFR的数值偏差仅为0.009±0.068［36］。值得注意的是，在微循环功能障碍患者［37］和陈旧性心肌梗死供血血管［38］中，QFR和FFR的诊断一致性降低。当遵循标准操作流程时，不同核心实验室分析QFR的可重复性较好，数值偏差仅为0.004±0.03［39］。然而，缺少2幅投照角度大于的造影体位通常降低QFR的分析可行性［35］。相比之下，基于单体位的QFR可行性更高，分析时间更短（约1 min），并保持良好的观察者内（0.00±0.03）和观察者间一致性（0.00±0.03）［26］。基于FAVOR Ⅱ China数据集，单体位QFR诊断有血流动力学意义的狭窄准确性为93%，敏感度为88%，特异度为96%［26］。当使用推荐体位采集的冠状动脉造影时，单体位QFR和双体位QFR的准确度相当［40］。以上证据提示，基于单体位造影的QFR在提高可行性的同时保持了准确性，有望进一步增加生理学评估方法在导管室中的使用。

除QFR外，基于冠状动脉造影计算FFR（coronary angiography‑derived FFR，FFRangio）和基于冠状动脉造影的血管FFR（vessel FFR，vFFR）也是获得一定临床验证的方法（表1）。FFRangio基于至少3个造影图像重建冠状动脉树，使用传统血流动力学方程替代CFD仿真计算FFR［41］。前瞻性研究表明，FFRangio在核心实验室的分析可行性为92%，在导管室的分析可行性为96%，平均计算机运算时间（未包括手动操作步骤）为2.7 min［29］。以FFR为参照标准，FFRangio诊断有血流动力学意义的狭窄准确性为92%~93%，且优于传统的定量冠状动脉造影（表1）。然而，该技术需要3个或以上显像清晰的造影图像，临床可行性有限。vFFR基于三维定量冠状动脉造影和流体力学方程计算FFR［30,42］。对100例患者的回顾性单中心研究表明，vFFR与FFR具有较高的相关性（相关系数为0.89，P<0.001），vFFR诊断有血流动力学意义的狭窄准确性高于三维定量冠状动脉造影（曲线下面积0.93 vs. 0.66）（表1）。然而，尚无研究验证vFFR在导管室中的可行性与诊断表现。

基于冠状动脉造影计算FFR操作便捷，准确性高，适用范围广泛。然而，对于特殊病变如左主干病变、分叉病变或严重扭曲血管等，冠状动脉造影清晰暴露病变的准确性有限，基于造影的计算FFR的可行性与准确性等临床证据尚不充足。

三、基于腔内成像的计算血流储备分数
相比于冠状动脉造影，腔内影像学技术如IVUS或OCT具有更高的分辨率，可进行更精准的血管三维重建及FFR计算。一些研究者对基于腔内成像计算FFR的方法进行了初步探索。Bezerra等［43］提出了基于IVUS图像和稳态CFD的FFR计算方法（IVUS‑estimated FFR，IVUSFR）。通过三维重建目标血管，估算静息冠状动脉血流量，依据异速生长定律估算目标血管入口血流量和下游阻力，并利用CFD计算病变处压力下降和FFR值。小型前瞻性研究显示，IVUSFR诊断有血流动力学意义的狭窄的准确性、敏感度和特异度分别为91%、89%和92%。然而，该技术分析耗时（平均72 min），不能用于实时评估。Lee等［44］和Ha等［45］分别提出了基于OCT图像利用稳态CFD计算FFR的方法，将计算时间缩短至30 min，然而临床验证仍有限。Seike等［46‑47］利用流体力学分析替代CFD，开发了基于OCT或IVUS图像计算FFR的方法。该方法基于对病变处压力下降与血流呈二次关系的假设，通过血管解剖信息与血液流变特性计算病变处压力下降和FFR值，分析时间小于10 min。然而，该方法未考虑边支对主支的血液分流，且尚无研究验证其在核心实验室或导管室中的诊断效能。

上述初步探索方法的局限性主要有3点：一是大多基于CFD仿真，计算时间长，难以用于实时评估；二是部分方法未考虑边支对主支的分流作用；三是临床验证尚不充足。2019年，QFR算法被延伸至OCT图像并衍生出光学血流分数（optical flow ratio，OFR）［31］。OFR算法基于OCT图像对目标血管和边支开口行三维重建，同样运用Murray分叉分型定律获得阶梯下降的冠状动脉参考管腔，结合最大充血血流速度恒定的假设，获得冠状动脉充血体积流量，利用流体力学分析计算病变段压力下降（图1）［31］。2021年，QFR算法在IVUS图像中也得到运用，衍生出超声血流分数（ultrasonic flow ratio，UFR）［33］。UFR算法同时对血管外弹力膜及管腔轮廓进行三维重建，并获得阶梯下降的理想冠状动脉参考管腔，结合QFR算法中预设的边界条件计算血管每个位置的FFR数值（图1）［33］。对于支架置入的血管，OFR和UFR算法均能自动识别影像中的支架梁，与管腔形态相结合计算支架段的压力下降，并同时量化评估支架扩张和贴壁情况（具体示例详见图2~4）［48‑50］。

研究表明，以FFR为参考标准，OFR预测有血流动力学意义的狭窄准确性为90%~93%［31‑32,51］，显著优于OCT测量的最小管腔面积的诊断效能（表1）。针对OFR与QFR的对比研究提示，OFR具有更好的诊断效能（曲线下面积0.97 vs. 0.94，P=0.017）［51］。对于置入支架的血管，术后即刻OFR与FFR在整条血管（相关系数为0.84，P<0.001）和支架段（相关系数为0.69，P<0.001）均具有高相关性［52］。另一项术后即刻生理学评估研究表明，以≤0.90作为表征术后生理学未达最优的阈值，术后即刻OFR与FFR的诊断一致性为84%，OCT量化的支架扩张不良与支架段OFR压力下降显著相关［48］。前瞻性研究表明，在线进行OFR分析具有较高的可行性（98.7%）［32］。OFR的平均分析时间小于1 min，具有优良的观察者内（0.00±0.02）和观察者间一致性（0±0.03）［31］。目前，只有一项研究基于167个IVUS图像回顾性探究了UFR的准确性［33］（表1）。以FFR为参考标准，UFR诊断有血流动力学意义的狭窄准确性为92%、敏感度为91%、特异度为96%，显著优于传统的基于IVUS的最小管腔面积。UFR具有类似于OFR的高可重复性，平均分析时间小于2 min。以上证据提示，OFR和UFR有望在导管室用于实时评估冠状动脉生理，但两者的实际临床价值仍有待后续研究验证。

四、基于冠状动脉造影与腔内成像配准计算血流储备分数
最近，第二代QFR算法被进一步拓展，开发出基于冠状动脉造影和OCT配准计算FFR，即OCT增强的μQFR技术（OCT‑modulated Murray law‑based quantitative flow ratio，OCT‑μQFR）［34］。OCT‑μQFR算法基于OCT和冠状动脉造影配准对整条目标血管进行三维重建，运用QFR算法计算各个位置的FFR数值。OCT‑μQFR在利用腔内影像精准解剖信息的同时，克服了OCT回撤长度的局限，理论上能更准确地评估整条目标血管的血流动力学。OCT‑μQFR的分析用时约为2 min［34］。一项针对218例患者269条血管的回顾性分析表明［34］，以FFR为参考标准，OCT‑μQFR诊断具有血流动力学意义的狭窄敏感度为89.3%，特异度为 93.2%（表1）。OCT‑μQFR与FFR的相关性优于μQFR与FFR的相关性（相关系数0.83 vs. 0.76，P=0.018）。在造影图像质量欠佳的病例（曲线下面积0.93 vs. 0.87，P=0.028）或串联病变（曲线下面积0.94 vs. 0.87，P=0.017）中，OCT‑μQFR的诊断效能显著优于μQFR。OCT‑μQFR有望对复杂病变的评估和术中操作进行辅助规划，其在临床中的应用有待进一步验证。

计算冠状动脉生理学操作规范

一、图像采集流程
冠状动脉造影图的质量直接决定冠状动脉模型重建的精度，从而影响计算FFR的准确性。因此，影像数据的临床采集及选取至关重要。研究表明，在遵循标准化采集流程的前瞻性研究中，计算FFR分析的可行性更高［35，54］。

（一）CCTA图像采集流程
CCTA图像采集的步骤建议如下［55］：（1）检查前进行心率控制，64排CT要求心率≤70次/min，后64排CT要求心率≤90 次/min。（2）扫描前服用硝酸甘油。（3）建议采用前瞻性心电门控轴扫模式进行图像采集，控制全剂量曝光时间窗在40%~75%的R‑R间期，对比剂注射方案建议采用碘流率进行选择。（4）自胸廓入口至心脏膈面屏气行定位图像扫描，之后确定CCTA采集范围，通常为气管隆嵴下1~2 cm至膈下1 cm。（5）推荐使用迭代重建技术进行图像重建，尽可能使用薄层厚（必须≤1 mm）、小重建视野（通常17~20 cm）。（6）根据心率选择图像重建时间窗（最佳期相）：心率≤70 次/min优先选择舒张中期时间窗，心率>70 次/min优先选择收缩末期时间窗。

（二）造影图像采集流程
冠状动脉造影图像采集的步骤建议如下［27］：（1）采集造影前需静脉注射硝酸甘油。（2）造影机帧频设置为至少15 帧/ s。（3）确保在注射造影剂之前（即在注射完硝酸甘油之后）导管内充满造影剂。（4）确保造影导管与血管同轴，敏捷、持续、快速地注射造影剂。造影剂充盈时间超过1个心动周期，但注意不要过度注射造影剂以免造影剂使用过量引起并发症。（5）确保造影图像显示了造影剂从导管逐渐充盈至狭窄病变远端的整个过程。（6）目标血管段重叠最少，目标病变短缩最少。（7）确保投照体位与目标血管尽量垂直，推荐优先采用最佳投照体位［27］。（8）避免在采集2个体位之间移动病床。

（三）腔内影像学图像采集流程
IVUS和OCT图像采集的步骤建议如下［56‑57］：（1）成像前进行肝素化抗凝，并在冠状动脉内注射硝酸甘油。（2）OCT成像过程中需要清洗和试注。一般来说，左冠状动脉成像通常需推注6~8 ml对比剂，右冠状动脉成像通常需推注4~5 ml对比剂。应确认导管的同轴性，避免多次对比剂冲洗，减少对比剂用量［58］。（3）尽可能送入IVUS或OCT导管至病变远端参考血管10~20 mm处开始回撤，直至冠状动脉开口，以包含尽可能长的血管段。（4）尽量采取自动回撤，以获得病变长度和斑块体积等更多信息。部分特殊病变可手动回撤，以仔细观察病变。（5）自动回撤系统经图像重建技术处理后，可获得以动脉管腔为中心的长轴图像（有利于分析病变长度及分布）和短轴图像（即横截面图像，有利于分析冠状动脉的管壁结构及病变状况）。

二、图像分析流程
（一）CT‑QFR图像分析流程
CT‑QFR分析时，选择的图像应满足以下要求：（1）冠状动脉和心脏扫描范围完整；（2）冠状动脉CT值处于最佳范围300~450 Hu；（3）图像噪声达到要求，即主动脉根部CT值标准差≤30 Hu；（4）无伪影，如错层伪影、呼吸运动伪影和心律失常伪影等，至少达到主观评价良好的标准。CT‑QFR操作流程如图5所示。

（二）QFR图像分析流程
定量血流分数QFR测量仪可以利用1或2个投照体位采集的冠状动脉造影影像，定量评估冠状动脉的狭窄程度，并计算病变血管主支和边支的FFR。QFR分析时，根据以下标准选择最佳图像：（1）目标血管重叠最少，目标病变短缩最少且可以清晰暴露病变管腔轮廓；（2）目标血管造影剂充盈良好，且有造影剂充盈血管的完整动态过程。QFR操作流程如图6所示［27］。

（三）UFR和OFR图像分析流程
UFR或OFR分析之前，需已知导管回撤速度和帧频，如软件无法自动读取回撤速度和帧频，可选择手动输入。UFR或OFR分析时，需选择覆盖目标血管的所有病变且管腔边界清晰的回撤图像。由于OCT回撤的长度限制，对于长病变，可以采取2个OCT回撤拼接的方式进行OFR分析［32］。不同OCT图像采集回撤速度对OFR计算准确性无显著影响［32］。UFR或OFR操作流程如图7所示。

计算冠状动脉生理学技术的临床应用

近年来，越来越多的临床证据提示计算冠状动脉生理学在临床应用中的重要价值：术前辅助制定治疗策略，术中指导手术规划，术后评估干预效果（图8）。基于腔内成像计算FFR有望用于复杂冠状动脉介入术（图2）。对复杂的串联病变（图9）、弥漫性病变（图3、4）、分叉病变（图10）、急性心肌梗死患者非罪犯病变（图11）等，计算冠状动脉生理学技术也适用。计算冠状动脉生理学、斑块成分识别及稳定性评估、支架检测及重建等技术的结合，可进一步为不同临床场景提供丰富的工具。

一、术前辅助制定治疗策略
仅凭冠状动脉造影有时无法准确判断狭窄病变是否导致下游心肌缺血。对于临界病变，约1/3的患者群体存在定量冠状动脉造影与FFR诊断结果相反［59‑60］。尽管OCT或IVUS提供更高分辨率图像，由最小管腔面积诊断致缺血病变的准确性仅为50%~80%［61‑62］。影像解剖学与血管功能学不匹配突出了计算冠状动脉生理学评估的重要性。研究表明，计算冠状动脉生理学提供的功能学信息显著优于解剖学信息的诊断效能［25,31,33］。另外，对于造影直径狭窄率为30%~70%的临界病变，如何为此部分患者制定合适的介入治疗策略是临床难点之一。计算冠状动脉生理学有望填补此空缺，提供解剖学和功能学信息的全面评估（图8）。值得注意的是，在我国许多导管室尚未配备基于压力导丝的生理学评估设施，基于冠状动脉造影计算FFR能作为可靠的替代方法。在不能开展介入治疗的导管室，也有助于在降低漏诊率的同时，减少不必要的转诊和二次介入检查［28,63］。

多项研究证实了计算冠状动脉生理学的预后价值。SYNTAX Ⅱ ［64］及PANDA Ⅲ ［65］研究的子分析表明，基于QFR的功能学SYNTAX评分比传统的解剖学SYNTAX评分能更好地预测2年主要不良心血管事件（major adverse cardiac events，MACE）。使用基于QFR的功能学SYNTAX评分能够有效识别复杂高危患者，同时识别PCI获益人群，指导选择更合适的血运重建策略［65］。QFR Multicenter注册登记研究表明，QFR预测以血管为导向的复合终点（vessel‑oriented composite endpoint，VOCE）的准确性与FFR相当（生存模型c指数 0.672 vs. 0.643，P=0.147）［66］。针对COMFORTABLE‑AMI研究中617例患者、946条药物治疗非罪犯血管的回顾性分析表明，相比于QFR≤0.80的患者，QFR>0.80的患者5年临床事件发生率显著降低［67］。PANDA Ⅲ研究事后分析表明，实际血运重建策略与QFR结果一致时（即基线QFR≤0.80的血管全部行PCI，基线QFR>0.80的血管全部接受最佳药物治疗），患者的2年MACE发生率显著降低（8.8% vs. 13.6%，风险比为0.64）［68］。

近期发表的FAVOR Ⅲ China研究首次通过随机对照的研究设计验证了计算冠状动脉生理学指导治疗策略的临床价值［69］。在3 825例真实世界的冠心病患者中，QFR指导治疗策略优于传统冠状动脉造影指导，能改善患者临床结局，减少35%的一年MACE风险（包括全因死亡、任何心肌梗塞及任何缺血驱动的血运重建）。同时，QFR指导介入术显著降低了造影剂用量，手术时间更短、辐射更少。QFR的预后优势在2年随访时仍显著［70］。此外，还有一项正在进行的大型随机对照临床试验FAVOR Ⅲ Europe‑Japan，旨在评估QFR指导稳定型冠心病患者的介入治疗策略是否非劣效于FFR指导策略［71］。

二、术中指导操作规划
冠状动脉影像及计算冠状动脉生理提供了详细的解剖学和功能学信息，可用于术中指导操作规划（图8）。多项研究提示，基于术前冠状动脉造影［72‑73］或OCT［48］图像计算FFR结合虚拟支架技术可以有效预测术后真实生理学，并有预后价值［72］。血管三维重建能为术者提供预期支架尺寸及落脚点，同时推荐最佳造影体位辅助对复杂病变的显像，并预测目标病变处理后可达到的最优生理功能［72‑73］。近期发表的AQVA研究证明了QFR指导的术中操作规划相比于传统造影显著提高了术后QFR值［74］。另外，将冠状动脉造影和腔内影像进行配准，可结合计算生理学、解剖学和斑块成分信息对血管进行全面评估［75‑76］。

虚拟支架技术在串联病变中尤其重要。在充血状态下，串联病变间血流动力学相互影响，基于压力导丝的FFR在此类病变的应用受限；而基于冠状动脉影像的生理学评估可通过虚拟置入支架“消除”病变，从而独立评估每个病变的血流动力学意义（图9）［77］。对于弥漫病变，尤其是近远端无正常血管段时，基于冠状动脉造影的QFR可能低估病变程度，而基于腔内影像的OFR或UFR理论上可以更准确地量化斑块负荷［78］、识别易损斑块［79］、评估病变缺血程度［31,33］（图3、4）。对于复杂的分叉病变，由于采集2幅图像同时对主支和边支清晰显影难度较大，基于单体位造影的QFR评估可能存在优势［80］，即同时评估主支和所有主要边支的解剖学和生理学信息，并预测主支干预后边支的生理学变化（图10）。腔内影像学能更清楚地显示分叉处管腔结构及斑块成分，有望为分叉病变提供更精准的生理学评估。

三、术后评估干预效果
囊括药物洗脱支架及药物涂层球囊的多项研究表明，术后即刻测量QFR可以有效预测患者临床结局，其鉴别干预效果的阈值为0.89~0.91［81‑83］，次优的术后QFR值与更高的MACE发生率相关。在目标病变介入治疗后血管功能学未达最优可由多种因素导致，如支架段优化不足及存在残余病变等［81,84‑85］。腔内影像因其高分辨率能提供包括血管壁形态、支架梁位置、血管壁组织成分及内膜损伤程度等信息，将这些信息结合到FFR计算中有望实现更精准的术后生理学评估（图2）［48,75］。另一方面，基于对实际血管壁、参考管腔和支架梁的三维重建，OFR和UFR分析还可同时定量评估支架贴壁和扩张情况［33,48］，有望辅助优化操作、评估干预效果。

四、评估急性心肌梗死患者的非罪犯病变
对急性心肌梗死合并多支血管病变的患者，非罪犯病变功能学的最优评估时期（急性期或择期）和评估方法仍未有定论。与FFR测量可能受到下游微循环障碍的影响不同，非罪犯病变的计算生理学评估理论上不受病程影响（图11）。初步证据提示，在急性期对非罪犯病变行QFR分析是可行的，且急性期QFR数值与择期QFR数值或功能影像评估有很高的相关性和一致性［86‑89］。初步随机对照试验表明，与单纯处理罪犯病变相比，急性期采取QFR指导的非罪犯病变完全血运重建，可降低术后1年MACE和不稳定性心绞痛的发生率［90］。另外，评估此类患者的微循环阻力具有一定价值［91］。基于冠状动脉影像的微循环评估技术与计算生理学结合有望辅助制定最佳治疗策略，其临床价值有待探究。

展望

目前，计算冠状动脉生理学的临床可行性和诊断准确性已获得相对充足的临床验证。然而，其在指导制定治疗策略方面的研究证据尚有限，未来需要更多大型前瞻性临床研究探究其在此方面的临床价值。

基于FAME Ⅱ临床试验的卫生经济学研究表明，对于稳定性冠心病患者，基于压力导丝的FFR指导的治疗策略，与单独使用最优药物治疗相比，在改善患者长期临床结局的同时，也具有经济学效益［6］。目前，针对计算冠状动脉生理学的卫生经济学评价的相关证据尚十分缺乏，未来研究应着眼于阐明此问题。

近年来，多项研究提示干预后生理学与患者临床结局有关［84］。然而，介入术后次优生理学经常无法通过额外操作提高，提示基于术前影像的操作规划至关重要［74］。未来更多研究需要探索基于冠状动脉造影以及腔内影像的计算生理学在术后生理学评估及术前操作规划方面的应用价值。

结合冠状动脉疾病的其他预后因素，如斑块稳定性等，可进一步优化治疗策略［92］。近期一项基于人工智能自动识别OCT影像斑块性质的技术，被证实能准确识别主要斑块成分［93］，与OFR结合有助于实时评估斑块易损性和冠状动脉生理［79］。另一方面，由于易损斑块往往拥有更大的脂质核和更薄的纤维帽，在外力作用下，产生更大形变，而此动态形变可以从冠状动脉影像中提取出来。最近一项基于冠状动脉造影的斑块稳定性实时评估技术被开发出来，即血管径向壁应变（radial wall strain，RWS），从生物力学的角度定量评估斑块破裂风险。初步验证研究表明,RWS与OCT影像中易损斑块特征显著相关［94］。FAVOR Ⅲ China子研究显示，在QFR>0.80的血管中，RWS能进一步识别发生1年VOCE事件的血管［95］。RWS评估基于单体位造影，无需额外耗材，操作简便快速，平均用时不到1 min［94］。冠状动脉生理学与斑块稳定性评估相结合，有望辅助对病变血管进行精准危险分层，辅助制定治疗策略，其临床效能有待验证。

小结

计算冠状动脉生理学是基于不同模态冠状动脉影像，无需使用压力导丝或压力微导管，无需微循环扩张药物，通过血管重建和流体力学分析评估冠状动脉生理的方法。临床证据表明其具有快速简单、安全可行、准确率高及可降低诊疗费用等优点。大型随机对照临床试验首次验证了计算冠状动脉生理学指导治疗策略的临床价值，在显著缩短手术时间、降低辐射剂量和节省手术支出的同时，改善患者临床结局。随着未来临床证据的不断累积，计算冠状动脉生理学有望被广泛纳入常规临床实践，在优化医疗资源配置的同时，进一步改善缺血性冠心病的精确诊断，指导制定操作规划，评估干预效果。

作者：丁代欣¹ 杨峻青² 余炜¹ 宋雷³ 吕滨⁴ 涂圣贤¹

作者单位：上海交通大学生物医学工程学院生物医学仪器研究所¹ 广东省人民医院心内科² 国家心血管病中心中国医学科学院阜外医院冠心病中心³ 中国医学科学院阜外医院放射影像科⁴

通信作者：涂圣贤，Email：sxtu@sjtu.edu.cn

关键词：血流储备分数, 心肌；体层摄影术, 光学相干；超声检查, 介入性

DOI： 10.3760/cma.j.cn116031.2024.1000158

基金项目：无

利益冲突：无

收稿日期： 2023-03-30

录用日期： 2023-07-30

本文编辑：史红

摘要中文

无

摘要英文

无

本研究主要材料与器材

无

参考文献

［1］ Yong AS, Ng AC, Brieger D, et al. Three‑dimensional and two‑dimensional quantitative coronary angiography, and their prediction of reduced fractional flow reserve［J］. Eur Heart J, 2011,32(3):345‑353. DOI: 10.1093/eurheartj/ehq259.
［2］ Pijls NH, De Bruyne B, Peels K, et al. Measurement of fractional flow reserve to assess the functional severity of coronary‑artery stenoses［J］. N Engl J Med, 1996,334(26):1703‑1708. DOI: 10.1056/NEJM199606273342604.
［3］ Tonino PA, De Bruyne B, Pijls NH, et al. Fractional flow reserve versus angiography for guiding percutaneous coronary intervention［J］. N Engl J Med, 2009,360(3):213‑224. DOI: 10.1056/NEJMoa0807611.
［4］ De Bruyne B, Pijls NH, Kalesan B, et al. Fractional flow reserve‑guided PCI versus medical therapy in stable coronary disease［J］. N Engl J Med, 2012,367(11):991‑1001. DOI: 10.1056/NEJMoa1205361.
［5］ Fearon WF, Bornschein B, Tonino PA, et al. Economic evaluation of fractional flow reserve‑guided percutaneous coronary intervention in patients with multivessel disease［J］. Circulation, 2010,122(24):2545‑2550. DOI: 10.1161/CIRCULATIONAHA.109.925396.
［6］ Fearon WF, Nishi T, De Bruyne B, et al. Clinical outcomes and cost‑effectiveness of fractional flow reserve‑guided percutaneous coronary intervention in patients with stable coronary artery disease: three‑year follow‑up of the FAME 2 trial (fractional flow reserve versus angiography for multivessel evaluation)［J］. Circulation, 2018,137(5):480‑487. DOI: 10.1161/CIRCULATIONAHA.117.031907.
［7］ Knuuti J, Wijns W, Saraste A, et al. 2019 ESC guidelines for the diagnosis and management of chronic coronary syndromes［J］. Eur Heart J, 2020,41(3):407‑477. DOI: 10.1093/eurheartj/ehz425.
［8］ Lawton JS, Tamis‑Holland JE, Bangalore S, et al. 2021 ACC/AHA/SCAI guideline for coronary artery revascularization: a report of the American College of Cardiology/American Heart Association Joint Committee on Clinical Practice Guidelines［J］. Circulation, 2022,145(3):e4‑e17. DOI: 10.1161/CIR.0000000000001039.
［9］中华医学会心血管病学分会介入心脏病学组, 中国医师协会心血管内科医师分会血栓防治专业委员会, 中华心血管病杂志编辑委员会. 中国经皮冠状动脉介入治疗指南（2016)［J］. 中华心血管病杂志,2016,44(5):382‑400. DOI:10.3760/cma.j.issn.0253‑3758.2016.05.006.
［10］ Tebaldi M, Biscaglia S, Fineschi M, et al. Evolving routine standards in invasive hemodynamic assessment of coronary stenosis: the nationwide Italian SICI‑GISE cross‑sectional ERIS study［J］. JACC Cardiovasc Interv, 2018,11(15):1482‑1491. DOI: 10.1016/j.jcin.2018.04.037.
［11］ Tu S, Westra J, Adjedj J, et al. Fractional flow reserve in clinical practice: from wire‑based invasive measurement to image‑based computation［J］. Eur Heart J, 2020,41(34):3271‑3279. DOI: 10.1093/eurheartj/ehz918.
［12］ 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 Ischemia‑Causing 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.
［13］ Min JK, Leipsic J, Pencina MJ, et al. Diagnostic accuracy of fractional flow reserve from anatomic CT angiography［J］. JAMA, 2012,308(12):1237‑1245. DOI: 10.1001/2012.jama.11274.
［14］ 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.
［15］ Patel MR, Nørgaard BL, Fairbairn TA, et al. 1‑year impact on medical practice and clinical outcomes of FFRCT: the ADVANCE registry［J］. JACC Cardiovasc Imaging, 2020,13(1 Pt 1):97‑105. DOI: 10.1016/j.jcmg.2019.03.003.
［16］ Douglas PS, De Bruyne B, Pontone G, et al. 1‑year outcomes of FFRCT‑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.
［17］ Lu MT, Ferencik M, Roberts RS, et al. Noninvasive FFR derived from coronary CT angiography: management and outcomes in the PROMISE trial［J］. JACC Cardiovasc Imaging, 2017,10(11):1350‑1358. DOI: 10.1016/j.jcmg.2016.11.024.
［18］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)［2023‑03‑18］. http://www.cvjc.org.cn/index.php/Column/columncon/article_id/185.DOI:10.3760/cma.j.issn.2096‑1588.2019.1000022.
［19］ Coenen A, Lubbers MM, Kurata A, et al. Coronary CT angiography derived fractional flow reserve: methodology and evaluation of a point of care algorithm［J］. J Cardiovasc Comput Tomogr, 2016,10(2):105‑113. DOI: 10.1016/j.jcct.2015.12.006.
［20］ Itu L, Rapaka S, Passerini T, et al. A machine‑learning approach for computation of fractional flow reserve from coronary computed tomography［J］. J Appl Physiol (1985), 2016,121(1):42‑52. DOI: 10.1152/japplphysiol.00752.2015.
［21］ Röther J, Moshage M, Dey D, et al. Comparison of invasively measured FFR with FFR derived from coronary CT angiography for detection of lesion‑specific ischemia: Results from a PC‑based prototype algorithm［J］. J Cardiovasc Comput Tomogr, 2018,12(2):101‑107. DOI: 10.1016/j.jcct.2018.01.012.
［22］ Li Z, Zhang J, Xu L, et al. Diagnostic accuracy of a fast computational approach to derive fractional flow reserve from coronary CT angiography［J］. JACC Cardiovasc Imaging, 2020,13:172‑175. DOI: 10.1016/j.jcmg.2019. 08.003.
［23］ Li Z, Li G, Chen L, et al. Comparison of coronary CT angiography‑based and invasive coronary angiography‑based quantitative flow ratio for functional assessment of coronary stenosis: a multicenter retrospective analysis［J］. J Cardiovasc Comput Tomogr, 2022,16(6):509‑516. DOI: 10.1016/j.jcct.2022.06.002.
［24］ Westra J, Li Z, Rasmussen LD, et al. One‑step anatomic and function testing by cardiac CT versus second‑line functional testing in symptomatic patients with coronary artery stenosis: head‑to‑head comparison of CT‑derived fractional flow reserve and myocardial perfusion imaging［J］. EuroIntervention, 2021,17(7):576‑583. DOI: 10.4244/EIJ‑D‑20‑00905.
［25］ Tu S, Westra J, Yang J, et al. Diagnostic accuracy of fast computational approaches to derive fractional flow reserve from diagnostic coronary angiography: the international multicenter FAVOR pilot study［J］. JACC Cardiovasc Interv, 2016,9(19):2024‑2035. DOI: 10.1016/j.jcin.2016.07.013.
［26］ Tu S, Ding D, Chang Y, et al. Diagnostic accuracy of quantitative flow ratio for assessment of coronary stenosis significance from a single angiographic view: a novel method based on bifurcation fractal law［J］. Catheter Cardiovasc Interv, 2021,97 Suppl 2∶1040‑1047. DOI: 10.1002/ccd.29592.
［27］ Xu B, Tu S, Qiao S, et al. Diagnostic accuracy of angiography‑based quantitative flow ratio measurements for online assessment of coronary stenosis［J］. J Am Coll Cardiol, 2017,70(25):3077‑3087. DOI: 10.1016/j.jacc.2017.10.035.
［28］ Westra J, Andersen BK, Campo G, et al. Diagnostic performance of in‑procedure angiography‑derived quantitative flow reserve compared to pressure‑derived fractional flow reserve: the FAVOR II Europe‑Japan study［J］. J Am Heart Assoc, 2018,7(14): e009603. DOI: 10.1161/JAHA.118.009603.
［29］ Fearon WF, Achenbach S, Engstrom T, et al. Accuracy of fractional flow reserve derived from coronary angiography［J］. Circulation,2019,139(4):477‑484. DOI: 10.1161/CIRCULATIONAHA.118.037350.
［30］ Masdjedi K, Tanaka N, Van Belle E, et al. Vessel fractional flow reserve (vFFR) for the assessment of stenosis severity: the FAST II study［J］. EuroIntervention, 2022,17(18):1498‑1505. DOI: 10.4244/EIJ‑D‑21‑00471.
［31］ Yu W, Huang J, Jia D, et al. Diagnostic accuracy of intracoronary optical coherence tomography‑derived fractional flow reserve for assessment of coronary stenosis severity［J］. EuroIntervention, 2019,15(2):189‑197. DOI: 10.4244/EIJ‑D‑19‑00182.
［32］ Gutiérrez‑Chico JL, Chen Y, Yu W, et al. Diagnostic accuracy and reproducibility of optical flow ratio for functional evaluation of coronary stenosis in a prospective series［J］. Cardiol J, 2020,27(4):350‑361. DOI: 10.5603/CJ.a2020.0071.
［33］ Yu W, Tanigaki T, Ding D, et al. Accuracy of intravascular ultrasound‑based fractional flow reserve in identifying hemodynamic significance of coronary stenosis［J］. Circ Cardiovasc Interv, 2021,14(2):e009840. DOI: 10.1161/CIRCINTERVENTIONS.120.009840.
［34］ Xu T, Yu W, Ding D, et al. Diagnostic performance of intracoronary optical coherence tomography-modulated quantitative flow ratio for assessing coronary stenosis[J]. JSCAI, 2023,2:101043. DOI: 10.1016/j.jscai.2023.101043.
［35］ Cortés C, Carrasco‑Moraleja M, Aparisi A, et al. Quantitative flow ratio‑Meta‑analysis and systematic review［J］. Catheter Cardiovasc Interv, 2021,97(5):807‑814. DOI: 10.1002/ccd.28857.
［36］ Westra J, Tu S, Campo G, et al. Diagnostic performance of quantitative flow ratio in prospectively enrolled patients: an individual patient‑data meta‑analysis［J］. Catheter Cardiovasc Interv, 2019,94(5):693‑701. DOI: 10.1002/ccd.28283.
［37］ Mejía‑Rentería H, Lee JM, Lauri F, et al. Influence of microcirculatory dysfunction on angiography‑based functional assessment of coronary stenoses［J］. JACC Cardiovasc Interv, 2018,11(8):741‑753. DOI: 10.1016/j.jcin.2018.02.014.
［38］ Emori H, Kubo T, Kameyama T, et al. Diagnostic accuracy of quantitative flow ratio for assessing myocardial ischemia in prior myocardial infarction［J］. Circ J, 2018,82(3):807‑814. DOI: 10.1253/circj.CJ‑17‑0949.
［39］ Chang Y, Chen L, Westra J, et al. Reproducibility of quantitative flow ratio: an inter‑core laboratory variability study［J］. Cardiol J, 2020,27(3):230‑237. DOI: 10.5603/CJ.a2018.0105.
［40］ Ding D, Tu S, Chang Y, et al. Quantitative flow ratio based on murray fractal law: accuracy of single versus two angiographic views［J］. JSCAI,2022,1:100399. DOI: 10.1016/j.jscai.2022.100399.
［41］ Pellicano M, Lavi I, De Bruyne B, et al. Validation study of image‑based fractional flow reserve during coronary angiography［J］. Circ Cardiovasc Interv, 2017,10(9):e005259.DOI: 10.1161/CIRCINTERVENTIONS.116.005259.
［42］ Masdjedi K, van Zandvoort L, Balbi MM, et al. Validation of a three‑dimensional quantitative coronary angiography‑based software to calculate fractional flow reserve: the FAST study［J］. EuroIntervention, 2020,16(7):591‑599. DOI: 10.4244/EIJ‑D‑19‑00466.
［43］ Bezerra CG, Hideo‑Kajita A, Bulant CA, et al. Coronary fractional flow reserve derived from intravascular ultrasound imaging: Validation of a new computational method of fusion between anatomy and physiology［J］. Catheter Cardiovasc Interv, 2019,93(2):266‑274. DOI: 10.1002/ccd.27822.
［44］ Lee KE, Lee SH, Shin ES, et al. A vessel length‑based method to compute coronary fractional flow reserve from optical coherence tomography images［J］. Biomed Eng Online, 2017,16(1):83. DOI: 10.1186/s12938‑017‑0365‑4.
［45］ Ha J, Kim JS, Lim J, et al. Assessing computational fractional flow reserve from optical coherence tomography in patients with intermediate coronary stenosis in the left anterior descending artery［J］. Circ Cardiovasc Interv, 2016,9(8):e003613.DOI: 10.1161/CIRCINTERVENTIONS.116.003613.
［46］ Seike F, Uetani T, Nishimura K, et al. Intracoronary optical coherence tomography‑derived virtual fractional flow reserve for the assessment of coronary artery disease［J］. Am J Cardiol, 2017,120(10):1772‑1779. DOI: 10.1016/j.amjcard.2017.07.083.
［47］ Seike F, Uetani T, Nishimura K, et al. Intravascular ultrasound‑derived virtual fractional flow reserve for the assessment of myocardial ischemia［J］. Circ J, 2018,82(3):815‑823. DOI: 10.1253/circj.CJ‑17‑1042.
［48］ Ding D, Yu W, Tauzin H, et al. Optical flow ratio for assessing stenting result and physiological significance of residual disease［J］. EuroIntervention, 2021,17(12):e989‑e998. DOI: 10.4244/EIJ‑D‑21‑00185.
［49］ Wu P, Gutiérrez‑Chico JL, Tauzin H, et al. Automatic stent reconstruction in optical coherence tomography based on a deep convolutional model［J］. Biomed Opt Express, 2020,11(6):3374‑3394. DOI: 10.1364/BOE.390113.
［50］ Wu P, Qiao Y, Chu M, et al. Reciprocal assistance of intravascular imaging in three‑dimensional stent reconstruction: Using cross‑modal translation based on disentanglement representation［J］. Comput Med Imaging Graph, 2023,104:102166. DOI: 10.1016/j.compmedimag.2022.102166.
［51］ Huang J, Emori H, Ding D, et al. Diagnostic performance of intracoronary optical coherence tomography‑based versus angiography‑based fractional flow reserve for the evaluation of coronary lesions［J］. EuroIntervention, 2020,16(7):568‑576. DOI: 10.4244/EIJ‑D‑19‑01034.
［52］ Emori H, Kubo T, Shiono Y, et al. Comparison of optical flow ratio and fractional flow ratio in stent‑treated arteries immediately after percutaneous coronary intervention［J］. Circ J, 2020,84(12):2253‑2258. DOI: 10.1253/circj.CJ‑20‑0661.
［53］ Adjedj J, Westra J, Ding D, et al. Computational non‑invasive physiological assessment of coronary disease. The PCR‑EAPCI textbook: percutaneous interventional cardiovascular medicine part II［M/OL］. Paris: European Society of Cardiology,2019.(2021‑08‑27)［2023‑08‑18］.https://textbooks.pcronline.com/the‑pcr‑eapci‑textbook/computational‑non‑invasive‑physiological‑assessment‑of‑coronary‑disease.
［54］ Westra J, Tu S. Overview of quantitative flow ratio and optical flow ratio in the assessment of intermediate coronary lesions［J］. US Cardiol Rev,2020,14:e9. DOI: 10.15420/usc.2020.09.
［55］中华医学会放射学分会心胸学组,《中华放射学杂志》心脏冠状动脉多排CT临床应用指南写作专家组. 心脏冠状动脉CT血管成像技术规范化应用中国指南［J］. 中华放射学杂志,2017,51(10)：732‑743.DOI:10.3760/cma.j.issn.1005‑1201.2017.10.004.
［56］血管内超声在冠状动脉疾病中应用的中国专家共识专家组. 血管内超声在冠状动脉疾病中应用的中国专家共识（2018）［J］. 中华心血管病杂志,2018,46(5)：344‑351. DOI:10.3760/cma.j.issn.0253‑3758.2018.05.005.
［57］中华医学会心血管病学分会,中华心血管病杂志编辑委员会. 光学相干断层成像技术在冠心病介入诊疗中应用的中国专家共识［J］. 中华心血管病杂志,2023,51(2)：109‑124. DOI:10.3760/cma.j.cn112148‑20220602‑00436.
［58］ Ali ZA, Karimi Galougahi K, Mintz GS, et al. Intracoronary optical coherence tomography: state of the art and future directions［J］. EuroIntervention, 2021,17(2):e105‑e123. DOI: 10.4244/EIJ‑D‑21‑00089.
［59］ Toth G, Hamilos M, Pyxaras S, et al. Evolving concepts of angiogram: fractional flow reserve discordances in 4000 coronary stenoses［J］. Eur Heart J, 2014,35(40):2831‑2838. DOI: 10.1093/eurheartj/ehu094.
［60］ Tonino PA, Fearon WF, De Bruyne B, et al. Angiographic versus functional severity of coronary artery stenoses in the FAME study fractional flow reserve versus angiography in multivessel evaluation［J］. J Am Coll Cardiol, 2010,55(25):2816‑2821. DOI: 10.1016/j.jacc.2009.11.096.
［61］ Cho YK, Nam CW, Han JK, et al. Usefulness of combined intravascular ultrasound parameters to predict functional significance of coronary artery stenosis and determinants of mismatch［J］. EuroIntervention, 2015,11(2):163‑170. DOI: 10.4244/EIJV11I2A30.
［62］ Ramasamy A, Chen Y, Zanchin T, et al. Optical coherence tomography enables more accurate detection of functionally significant intermediate non‑left main coronary artery stenoses than intravascular ultrasound: A meta‑analysis of 6919 patients and 7537 lesions［J］. Int J Cardiol, 2020,301:226‑234. DOI: 10.1016/j.ijcard.2019.09.067.
［63］ Smit JM, Koning G, van Rosendael AR, et al. Referral of patients for fractional flow reserve using quantitative flow ratio［J］. Eur Heart J Cardiovasc Imaging, 2019,20(11):1231‑1238. DOI: 10.1093/ehjci/jey187.
［64］ Asano T, Katagiri Y, Chang CC, et al. Angiography‑derived fractional flow reserve in the SYNTAX II trial: feasibility, diagnostic performance of quantitative flow ratio, and clinical prognostic value of functional SYNTAX score derived from quantitative flow ratio in patients with 3‑vessel disease［J］. JACC Cardiovasc Interv, 2019,12(3):259‑270. DOI: 10.1016/j.jcin.2018.09.023.
［65］ Zhang R, Song C, Guan C, et al. Prognostic value of quantitative flow ratio based functional syntax score in patients with left main or multivessel coronary artery disease［J］. Circ Cardiovasc Interv, 2020,13(10):e009155. DOI: 10.1161/CIRCINTERVENTIONS.120.009155.
［66］ Choi KH, Lee SH, Lee JM, et al. Clinical relevance and prognostic implications of contrast quantitative flow ratio in patients with coronary artery disease［J］. Int J Cardiol, 2021,325:23‑29. DOI: 10.1016/j.ijcard.2020.09.002.
［67］ Bär S, Kavaliauskaite R, Ueki Y, et al. Quantitative flow ratio to predict nontarget vessel‑related events at 5 years in patients with ST‑segment‑elevation myocardial infarction undergoing angiography‑guided revascularization［J］. J Am Heart Assoc, 2021,10(9):e019052. DOI: 10.1161/JAHA.120.019052.
［68］ Zhang R, Dou K, Guan C, et al. Outcomes of quantitative flow ratio‑based percutaneous coronary intervention in an all‑comers study［J］. EuroIntervention, 2022,17(15):1240‑1251. DOI: 10.4244/EIJ‑D‑21‑00176.
［69］ Xu B, Tu S, Song L, et al. Angiographic quantitative flow ratio‑guided coronary intervention (FAVOR III China): a multicentre, randomised, sham‑controlled trial［J］. Lancet, 2021,398(10317):2149‑2159. DOI: 10.1016/S0140‑6736(21)02248‑0.
［70］ Song L, Xu B, Tu S, et al. 2‑year outcomes of angiographic quantitative flow ratio‑guided coronary interventions［J］. J Am Coll Cardiol, 2022,80(22):2089‑2101. DOI: 10.1016/j.jacc.2022.09.007.
［71］ Andersen BK, Sejr‑Hansen M, Westra J, et al. Quantitative flow ratio versus fractional flow reserve for guiding percutaneous coronary intervention: design and rationale of the randomised FAVOR III Europe Japan trial［J］. EuroIntervention, 2023,18(16):e1358‑e1364. DOI: 10.4244/EIJ‑D‑21‑00214.
［72］ Zhang R, Xu B, Dou K, et al. Post‑PCI outcomes predicted by pre‑intervention simulation of residual quantitative flow ratio using augmented reality［J］. Int J Cardiol, 2022,352:33‑39. DOI: 10.1016/j.ijcard.2022.01.054.
［73］ Rubimbura V, Guillon B, Fournier S, et al. Quantitative flow ratio virtual stenting and post stenting correlations to post stenting fractional flow reserve measurements from the DOCTORS (Does Optical Coherence Tomography Optimize Results of Stenting) study population［J］. Catheter Cardiovasc Interv, 2020,96(6):1145‑1153. DOI: 10.1002/ccd.28615.
［74］ Biscaglia S, Verardi FM, Tebaldi M, et al. QFR‑based virtual PCI or conventional angiography to guide PCI: the AQVA trial［J］. JACC Cardiovasc Interv, 2023,16(7):783‑794. DOI: 10.1016/j.jcin.2022.10.054.
［75］ Ding D, Tu S, Li Y, et al. Quantitative flow ratio modulated by intracoronary optical coherence tomography for predicting physiological efficacy of percutaneous coronary intervention［J］. Catheter Cardiovasc Interv, 2023,102(1):36‑45. DOI: 10.1002/ccd.30681.
［76］ Fezzi S, Huang J, Lunardi M, et al. Coronary physiology in the catheterisation laboratory: an A to Z practical guide［J］. AsiaIntervention, 2022,8(2):86‑109. DOI: 10.4244/AIJ‑D‑22‑00022.
［77］ Guan S, Gan Q, Han W, et al. Feasibility of Quantitative flow ratio virtual stenting for guidance of serial coronary lesions intervention［J］. J Am Heart Assoc, 2022,11(19):e025663. DOI: 10.1161/JAHA.122.025663.
［78］ Huang J, Tu S, Masuda S, et al. Plaque burden estimated from optical coherence tomography with deep learning: In vivo validation using co‑registered intravascular ultrasound［J］. Catheter Cardiovasc Interv, 2022 [Online ahead of Print]. DOI: 10.1002/ccd.30525.
［79］ Hong H, Jia H, Zeng M, et al. Risk stratification in acute coronary syndrome by comprehensive morphofunctional assessment with optical coherence tomography［J］. JACC Asia, 2022,2(4):460‑472. DOI: 10.1016/j.jacasi.2022.03.004.
［80］ Wang J, Li C, Ding D, et al. Functional comparison of different jailed balloon techniques in treating non‑left main coronary bifurcation lesions［J］. Int J Cardiol, 2022,364:20‑26. DOI: 10.1016/j.ijcard.2022.05.036.
［81］ Biscaglia S, Tebaldi M, Brugaletta S, et al. Prognostic value of QFR measured immediately after successful stent implantation: the international multicenter prospective HAWKEYE study［J］. JACC Cardiovasc Interv, 2019,12(20):2079‑2088. DOI: 10.1016/j.jcin.2019.06.003.
［82］ Kogame N, Takahashi K, Tomaniak M, et al. Clinical implication of quantitative flow ratio after percutaneous coronary intervention for 3‑vessel disease［J］. JACC Cardiovasc Interv, 2019,12(20):2064‑2075. DOI: 10.1016/j.jcin.2019.08.009.
［83］ Tang J, Chu J, Hou H, et al. Clinical implication of QFR in patients with ST‑segment elevation myocardial infarction after drug‑eluting stent implantation［J］. Int J Cardiovasc Imaging, 2021,37(3):755‑766. DOI: 10.1007/s10554‑020‑02068‑0.
［84］ Ding D, Huang J, Westra J, et al. Immediate post‑procedural functional assessment of percutaneous coronary intervention: current evidence and future directions［J］. Eur Heart J, 2021,42(27):2695‑2707. DOI: 10.1093/eurheartj/ehab186.
［85］ Jeremias A, Davies JE, Maehara A, et al. Blinded physiological assessment of residual ischemia after successful angiographic percutaneous coronary intervention: the DEFINE PCI study［J］. JACC Cardiovasc Interv, 2019,12(20):1991‑2001. DOI: 10.1016/j.jcin.2019.05.054.
［86］ Erbay A, Penzel L, Abdelwahed YS, et al. Feasibility and diagnostic reliability of quantitative flow ratio in the assessment of non‑culprit lesions in acute coronary syndrome［J］. Int J Cardiovasc Imaging, 2021,37(6):1815‑1823. DOI: 10.1007/s10554‑021‑02195‑2.
［87］ Sejr‑Hansen M, Westra J, Thim T, et al. Quantitative flow ratio for immediate assessment of nonculprit lesions in patients with ST‑segment elevation myocardial infarction‑An iSTEMI substudy［J］. Catheter Cardiovasc Interv, 2019,94(5):686‑692. DOI: 10.1002/ccd.28208.
［88］ Milzi A, Dettori R, Marx N, et al. Quantitative flow ratio (QFR) identifies functional relevance of non‑culprit lesions in coronary angiographies of patients with acute myocardial infarction［J］. Clin Res Cardiol, 2021,110(10):1659‑1667. DOI: 10.1007/s00392‑021‑01897‑w.
［89］ Spitaleri G, Tebaldi M, Biscaglia S, et al. Quantitative flow ratio identifies nonculprit coronary lesions requiring revascularization in patients with ST‑segment‑elevation myocardial infarction and multivessel disease［J］. Circ Cardiovasc Interv, 2018,11(2):e006023. DOI: 10.1161/CIRCINTERVENTIONS.117.006023.
［90］ Zhang J, Yao M, Jia X, et al. The efficacy and safety of quantitative flow ratio‑guided complete revascularization in patients with ST‑segment elevation myocardial infarction and multivessel disease: A pilot randomized controlled trial［J］. Cardiol J, 2023,30(2):178‑187. DOI: 10.5603/CJ.a2021.0111.
［91］ Sheng X, Qiao Z, Ge H, et al. Novel application of quantitative flow ratio for predicting microvascular dysfunction after ST‑segment‑elevation myocardial infarction［J］. Catheter Cardiovasc Interv, 2020,95 Suppl 1∶624‑632. DOI: 10.1002/ccd.28718.
［92］侯静波.如何应用光学相干断层成像对冠状动脉不稳定斑块进行早期识别和有效干预［J/OL］. 中华心血管病杂志（网络版),2019,2:e1000029.(2019‑12‑13)［2023‑03‑18］. http://www.cvjc.org.cn/index.php/Column/columncon/article_id/195.DOI:10.3760/cma.j.issn.20961588.2019.1000029.
［93］ Chu M, Jia H, Gutiérrez‑Chico JL, et al. Artificial intelligence and optical coherence tomography for the automatic characterisation of human atherosclerotic plaques［J］. EuroIntervention, 2021,17(1):41‑50. DOI: 10.4244/EIJ‑D‑20‑01355.
［94］ Hong H, Li C, Gutiérrez‑Chico JL, et al. Radial wall strain: a novel angiographic measure of plaque composition and vulnerability［J］. EuroIntervention, 2022,18(12):1001‑1010. DOI: 10.4244/EIJ‑D‑22‑00537.
［95］ Tu S, Xu B, Chen L, et al. Short‑term risk stratification of non‑flow‑limiting coronary stenosis by angiographically derived radial wall strain［J］. J Am Coll Cardiol, 2023,81(8):756‑767. DOI: 10.1016/j.jacc.2022.11.056.

无

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

编辑

中华心血管病杂志（网络版）编辑委员会

地址：北京市西城区东河沿街69号

邮编：100052

电话（传真）：(010)51322276

Email：cvjc@cmaph.org

http://www.cvjc.org.cn

出版

《中华医学杂志》社有限责任公司

地址：北京市东四西大街42号

邮编：100710

电话(传真)：(010)51322059

Email：office@cma.org.cn

中华心血管病杂志（网络版）

首页

本刊栏目

往期目录

投稿/发表

本刊编委会

学术课堂

学术活动

联系我们

关于我们

计算冠状动脉生理学的研究进展

正文

作者信息

摘要

图与表

材料与器械

参考文献

专家点评

互动专区

引言

计算冠状动脉生理学的技术原理和临床验证

计算冠状动脉生理学操作规范

计算冠状动脉生理学技术的临床应用

展望

小结

摘要中文

摘要英文

本研究主要材料与器材

参考文献