基于人工智能的CT-FFR与冠状动脉狭窄特征相关性分析

陈敏 王建 顾艳 苗重昌

摘要：目的  探讨常规冠脉斑块参数与CT-血流储备分数（CT-FFR）之间的关系。方法  选择2021年1月-12月在连云港市第一人民医院进行冠脉CT血管成像（CCTA）检查，并在1个月内进行冠脉造影患者144例。以CT-FFR作为血流动力学是否异常的评价标准，根据CT-FFR值分组，将CT-FFR>0.8设为CT-FFR阴性组，CT-FFR≤0.8设为CT-FFR阳性组，分析CT-FFR阳性与CT-FFR阴性患者冠脉特征的关系。结果  CT-FFR阳性组的钙化积分高于CT-FFR阴性组，CT-FFR阳性组的病变长度大于CT-FFR阴性组，差异有统计学意义（P<0.05）；两组狭窄程度比较，差异有统计学意义（P<0.05）；弥漫性病变与非弥漫性病变的CT-FFR值比较，差异有统计学意义（P<0.05）。结论  冠状动脉狭窄、病变长度和钙化积分是影响冠心病患者的冠状动脉血流动力学异常的重要因素。

关键词：冠状动脉；CT-血流储备分数；钙化积分；狭窄程度

中图分类号：R541.4                                  文献标识码：A                                DOI：10.3969/j.issn.1006-1959.2024.11.012

文章编号：1006-1959（2024）11-0069-06

Correlation Analysis Between CT-FFR Based on Artificial Intelligence

and Coronary Artery Stenosis Characteristics

Abstract：Objective  To investigate the relationship between conventional coronary plaque parameters and CT-fractional flow reserve （CT-FFR）.Methods  From January to December 2021， coronary CT angiography （CCTA） was performed in the First People's Hospital of Lianyungang， and 144 patients with coronary angiography were performed within one month. CT-FFR was used as the evaluation standard of whether hemodynamics was abnormal. According to the CT-FFR value， CT-FFR>0.8 was set as CT-FFR negative group， and CT-FFR≤0.8 was set as CT-FFR positive group. The relationship between CT-FFR positive and CT-FFR negative patients in coronary artery characteristics was analyzed.Results  The calcification score of CT-FFR positive group was higher than that of CT-FFR negative group， and the lesion length of CT-FFR positive group was longer than that of CT-FFR negative group （P<0.05）. There was significant difference in the degree of stenosis between the two groups （P<0.05）. There was significant difference in CT-FFR value between diffuse lesions and non-diffuse lesions （P<0.05）.Conclusion  Coronary artery stenosis， lesion length and calcification score are important factors affecting coronary hemodynamic abnormalities in patients with coronary heart disease.

Key words：Coronary artery;CT-fractional flow reserve;Calcification score;Stenosis degree

2022年《中国心血管健康与疾病报告2021概要》指出，2019年我国心血管病（cardiovascular disease， CVD）现患人数3.3亿，冠心病患者高达1139万[1]。我国正面临人口老龄化和代谢危险因素持续流行的双重压力，通过一级预防以减少发病人数和二级预防以降低大量CVD存活患者复发、再住院和失能的风险，对社会及患者将起到至关重要的影响。冠状动脉CT血管成像（coronary CT angiography， CCTA）作为一种无创影像学检查技术，成为冠心病首选检查方法。常规CCTA主要提供冠脉狭窄程度、斑块性质等解剖信息，对于由狭窄所致心肌血供的影响无法做出明确诊断。血流储备分数（fractional flow reserve， FFR）是评价冠状动脉血供的“金标准”，是在冠状动脉存在狭窄病变的情况下，该血管所供心肌区域能获得的最大血流量与同一区域理论上正常情况下所能获得的最大血流量之比[2，3]。但是由于其有创，且价格昂贵，在临床的应用受到限制。利用常规CCTA数据通过深度学习方法计算FFR（fractional flow reserve derived from computed tomographic angiography， CT-FFR），可以在单次检查的同时提供冠脉的解剖和功能学信息。研究表明CT-FFR与有创FFR具有较好的一致性[4-7]。本研究以CT-FFR作为血流动力学是否异常的评价标准，探讨常规冠脉斑块参数与CT-FFR之间的关系，旨在提高CCTA对冠脉病变的诊断准确性。

1资料与方法

1.1一般资料  收集2021年1月-12月在连云港市第一人民医院进行CCTA检查，并在1个月内进行冠脉造影患者临床资料。纳入标准：①进行CCTA检查的已知或疑似冠心病患者；②CCTA检查后的1个月内进行冠脉造影。排除标准：①影像学或临床资料缺失；②影像存在断层伪影或质量差；③患者进行了冠状动脉旁路搭桥手术或支架植入史。本研究已获连云港市第一人民医院医学伦理委员会的审核（KY-20201130001-01），所有患者知情同意豁免。共144例患者（242支血管）入组，男97例，女47例；年龄27～88岁，平均年龄（62.08±10.78）岁。以CT-FFR作为血流动力学是否异常的评价标准，根据CT-FFR值分组，将CT-FFR>0.8的43例（92支血管）设为CT-FFR阴性组，CT-FFR≤0.8的101例（150支血管）设为CT-FFR阳性组。两组年龄、性别、冠心病危险因素及实验室指标比较，差异无统计学意义（P>0.05），有可比性，见表1。

1.2 CT数据采集  CCTA扫描使用双源CT（SOMATOM Definition Flash、Force， 西门子医疗），双筒高压注射器经肘静脉注入造影剂碘克沙醇（恒瑞医药，国药准字H20103675，规格：32 gI/ml，100ml/瓶）50～65 ml，注射速率4.5～5.0 ml/s。扫描范围从支气管分叉下2 cm至膈下2 cm，左右包括两侧心缘，心电门控监测心率，回顾性心电门控螺旋扫描。管电压130 kV、根据体厚及管电压自动调节管电流，球管转速0.27 s，螺距为0.2～0.35，重组层厚0.625 mm，扫描间隔0.625 mm，重组矩阵512×512。

1.3 CT数据处理

1.3.1斑块特征分析  使用西门子后处理工作站CT Coronary+Ca（SyngoVia，西门子）进行图像处理，选择图像质量最佳的期相进行分析。Agatston积分对平扫图像进行钙化斑块评分，依据CACS评分进行危险度分层：CACS=0为1级，0400为4级。对冠脉血管树进行分析：软件自动标注冠状动脉树中心线，手动定位斑块近端和远端，自动计算斑块直径狭窄率。据冠状动脉疾病报告与数据系统（CAD-RADS），将CCTA狭窄程度分为0（无狭窄）、>0～25%（轻微狭窄）、≥25%～50%（轻度狭窄）、≥50%～70%（中度狭窄）、≥70%～100%（重度狭窄）、100%（闭塞）共6个等级[8]。根据斑块性质分为：钙化斑块、软斑块及混合性斑块。根据既往文献报道，高危斑块具有的特征包括：点状钙化（冠状动脉壁内最大直径<3 mm的局部钙化）、正性重塑（血管外直径比斑块近端和远端的平均直径大10%）、低密度斑块（斑块的中心区域CT值<30 HU）、餐巾环征（指中心区域为低密度斑块，周边边缘具有高密度，且高密度区域CT值不超过130 HU），含有2种及以上高危斑块特征的斑块定义为高危斑块[9]。有病变血管在曲面重建图像上测量病变长度，病变长度>20 mm定义为弥漫病变[10]。半自动专用软件Anatomy Visualizer以斑块起始处至斑块远端为纵向测量距离，手动分离出病变血管。将与病变血管外相等直径范围内的脂肪组织定义为冠周脂肪，脂肪阈值设定为-30～-190 HU，软件自动计算出斑块周围脂肪密度指数（fat attenuation index， FAI）。

1.3.2 CT-FFR值测量  将常规标准化的CCTA影像数据导入人工智能软件[数坤，数坤（北京）网络科技有限公司]，选取图像质量最好的一期进行重建，软件自动识别并创建冠状动脉树模型，软件自动提取血管中心线。根据病变部位CT-FFR值测量点选在病变远端2 cm处。根据CT-FFR值将CT-FFR>0.8定义为CT-FFR阴性组，CT-FFR≤0.8定义为CT-FFR阳性组。

1.4统计学方法  应用SPSS 25.0软件对数据进行分析，采用Shapiro-wilk方法分析数据是否属于正态分布，符合正态分布数据以（x±s）表示。采用独立样本t检验进行两组间比较，采用方差分析对多组数据进行比较。偏态分布数据以[M（P25，P75）]表示，采用非参数检验进行两组间比较。采用率和频数描述定性资料，根据数据特征选择χ2检验或者校正χ2检验或Fisher确切概率法进行两组或多组间比较。采用Pearson积矩相关或Spearman秩相关进行相关性分析。P<0.05表示差异有统计学意义，P<0.01表示统计学意义显著。

2结果

2.1 CT-FFR阳性组与阴性组冠脉特征比较  CT-FFR阳性组的钙化积分高于阴性组，差异有统计学意义（P<0.05），钙化积分与CT-FFR值存在相关性（r=-0.318，P<0.05）；CT-FFR阳性组的病变长度大于阴性组，差异有统计学意义（P<0.05），病变长度与CT-FFR值之间存在相关性（r=-0.336，P<0.05）；CT-FFR阳性组和阴性组狭窄程度比较，差异有统计学意义（P<0.05），狭窄程度与CT-FFR值存在相关性（r=-0.405，P<0.05），见图1。CT-FFR阳性组和阴性组之间斑块类型及FAI值、血管分布比较，差异无统计学意义（P>0.05），见表2。弥漫性病变与非弥漫性病变之间的CT-FFR值比较，差异有统计学意义[0.71（0.63，0.85）vs. 0.82（0.72，0.92），Z=-4.898，P<0.05]。

2.2钙化积分及狭窄程度多重比较结果  将所有血管按照不同钙化积分进行分组，多重比较显示CACS=0组与CACS>400组、0400组、0

2.3不同性质斑块之间CT-FFR比较  将所有血管按照斑块性质分为：混合斑块组、钙化斑块组、软斑块组，将不同斑块之间的CT-FFR值进行比较，结果显示混合斑块、钙化斑块、软斑块之间的CT-FFR值比较，差异有统计学意义[0.71（0.64，0.85）vs. 0.78（0.68，0.92）vs. 0.76（0.68，0.87），H=7.447，P=0.024]，多重比较显示，混合斑块和钙化斑块CT-FFR值比较，差异有统计学意义（P=0.021）；斑块性质与CT-FFR值存在相关性（r=-0.129，P<0.05）。高危斑块和非高危斑块之间CT-FFR值比较，差异无统计学意义（Z=-0.165，P>0.05）。

3讨论

目前临床上主要是应用CCTA通过评价冠脉狭窄程度对冠脉病变进行评估，提供解剖学信息，然而仅仅依靠狭窄程度判断病变是否有血流动力学意义特异性有限。近年来，CT-FFR作为一种无创的检查方法与常规CCTA结合可以在单次检查的同时提供冠脉的解剖和功能学信息，在临床应用逐渐增多。

钙化积分是定量分析冠状动脉常用影像学指标之一，能早期发现冠状动脉硬化情况。钙化积分越高的患者冠状动脉的弹性越差[11]。钙化斑块内含有较硬的钙化成分，血管内壁隆起导致管腔变窄、管腔顺应性下降，管腔狭窄同时血管流速变大，对管壁剪切应力变大，极易造成对血管内壁细胞损伤，加剧血管动脉粥样硬化形成，从而导致有功能意义的狭窄[12]。本研究发现随着钙化积分等级增加，CT-FFR值下降，CT-FFR阳性组钙化积分高于CT-FFR阴性组。进一步确定钙化程度对冠脉血流动力学存在一定的影响，随着钙化积分等级增加，发生心脏缺血事件的可能性增加。

既往研究表明[13]，病变长度与CT-FFR值相关，斑块长度是CT-FFR进展的独立危险因素，当狭窄程度较重但长度较为局限时，其对后方的血流动力学改变影响可能较小。病变长度对CT-FFR的影响可能与流体动力学特点有关，在管腔狭窄及狭窄近段压力保持不变的条件下，腔内压随着狭窄长度的延伸而递减[14]。因此相对于非弥漫病变，弥漫病变的CT-FFR明显减低。随着冠脉粥样硬化病变节段延长，CT-FFR逐渐下降，最终可能引起心肌缺血。严重的冠状动脉狭窄可能预示着缺血，但是单独依靠解剖学管腔狭窄诊断缺血性病变的准确性不高[4]。因此综合各种斑块特性可以提高缺血性疾病诊断的可靠性。比如病变长度、形状、血管内皮功能障碍、持续冠状动脉痉挛及微循环障碍等[15]。FAI作为反映冠脉炎症指标，被证实是CT-FFR进展的独立预测因子，当斑块周围脂肪密度越高，预示着未来随访中CT-FFR下降的可能性越大[16，17]。本研究中CT-FFR阳性组FAI值稍有增高，但与阴性组比较差异无统计学意义，可能原因是在一个测量时间点FAI值可以反映冠脉周围炎症情况，但此时并不一定会引起血流动力学改变，随着炎症进展，斑块进展会进一步导致血流动力学异常。另外，不同中心患者CCTA扫描时所设置的管电压及管电流不同，管电压、管腔衰减等影像学参数和血管直径等解剖参数均与FAI值有相关性，这也是FAI测量在不同研究样本中变异性较大的原因之一[18-21]。故FAI对于CT-FFR随访预测价值更高。同样，高危斑块与CT-FFR进展呈正相关[16]。本研究中CT-FFR阳性组与CT-FFR阴性组在是否是高危斑块之间比较，差异无统计学意义，这可能由于回顾性研究样本量小的原因，今后还需扩大样本量进行进一步的探究。

本研究不足：①为单中心回顾性研究，样本量较小。②没有使用传统的冠状动脉血管造影测量FFR数值，而使用CT-FFR值作为标准进行分组。虽然CT-FFR和有创FFR值具有较好的一致性，但CT-FFR值的准确计算与CCTA图像质量有一定相关性，所以本研究尽量选取图像质量较好的患者进行测量分析。

综上所述，冠状动脉狭窄、病变长度和钙化积分是影响冠心病患者的冠状动脉血流动力学异常的重要因素。单独结构学评估具有局限性，CT-FFR可提供CCTA对冠状动脉病变功能学评估。

参考文献：

[1]马丽媛，王增武，樊静，等.《中国心血管健康与疾病报告2021》概要[J].中国介入心脏病学杂志，2022，30（7）：481-496.

[2]Garcia D，Harbaoui B，van de Hoef TP，et al.Relationship between FFR， CFR and coronary microvascular resistance - Practical implications for FFR-guided percutaneous coronary intervention[J].PLoS One，2019，14（1）：e0208612.

[3]茆雯雯，胡春洪，胡粟，等.CT血流储备分数预测冠心病患者MACE事件的价值[J].医学影像学杂志，2022，32（7）：1144-1149.

[4]王静，薛瑞佳，任子龙，等.冠状动脉CT血管成像多参数联合评估缺血性狭窄的价值[J].实用放射学杂志，2022，38（8）：1259-1263，1267.

[5]中华医学会放射学分会质量控制与安全管理专业委员会，江苏省医学会放射学分会智能影像与质量安全学组. 冠状动脉CT血流储备分数应用中国专家建议[J].中华放射学杂志，2020，54（10）：925-933.

[6]陈玉环，尹游兵，侯江涛，等. 基于人工智能的无创血流储备分数（CT-FFR）的临床应用[J].暨南大学学报（自然科学与医学版），2022，43（3）：293-301.

[7]Tang CX，Liu CY，Lu MJ，et al.CT FFR for Ischemia-Specific CAD With a New Computational Fluid Dynamics Algorithm： A Chinese Multicenter Study[J].JACC Cardiovasc Imaging，2020，13（4）：980-990.

[8]Kumar P，Bhatia M.Coronary Artery Disease Reporting and Data System： A Comprehensive Review[J].J Cardiovasc Imaging，2022，30（1）：1-24.

[9]Achenbach S.Imaging the Vulnerable Plaque on Coronary CTA[J].JACC Cardiovasc Imaging，2020，13：1418-1421.

[10]Ryan TJ，Faxon DP，Gunnar RM，et al.Guidelines for percutaneous transluminal coronary angioplasty. A report of the American College of Cardiology/American Heart Association Task Force on Assessment of Diagnostic and Therapeutic Cardiovascular Procedures （Subcommittee on Percutaneous Transluminal Coronary Angioplasty）[J].Circulation，1988，78（2）：486-502.

[11]王晓泉，张佳胤，李跃华.冠状动脉钙化积分评价冠状动脉弹性的研究[J].实用放射学杂志，2016，32（1）：80-82.

[12]Tesche C，Otani K，De Cecco CN，et al.Influence of Coronary Calcium on Diagnostic Performance of Machine Learning CT-FFR： Results From MACHINE Registry[J].JACC Cardiovasc Imaging，2020，1313（3）：760-770.

[13]Whayne TF，Shelton JE，Deutsch CR，et al.Imaging Characteristics and Significance of Coronary Artery Mismatch Lesions[J].Angiology，2019，70（8）：685-687.

[14]Imai S，Kondo T，Stone GW，et al.Abnormal Fractional Flow Reserve in Nonobstructive Coronary Artery Disease[J].Circ Cardiovasc Interv，2019，12（2）：e006961.

[15]韦佳，鲍海华，王雪燕，等.基于人工智能的CT-FFR与冠状动脉狭窄的相关性分析[J].中国动脉硬化杂志，2022，30（9）：787-792.

[16]董思廷，徐怡，冯长静，等.斑块定量参数及冠周脂肪衰减指数对FFR-CT进展的影响[J].影像诊断与介入放射学，2022，31（1）：26-31.

[17]丁熠璞，单冬凯，王玺，等.冠状动脉周围FAI对CT-FFR诊断重度钙化患者冠脉血流动力学异常的增量价值[J].解放军医学杂志，2021，46（7）：666-672.

[18]Goeller M，Tamarappoo BK，Kwan AC，et al.Relationship between changes in pericoronary adipose tissue attenuation and coronary plaque burden quantified from coronary computed tomography angiography[J].Eur Heart J Cardiovasc Imaging，2019，20（6）：636-643.

[19]Molnar D，Enqvist O，Ulén J，et al.Artificial intelligence based automatic quantification of epicardial adipose tissue suitable for large scale population studies[J].Sci Rep，2021，11（1）：23905.

[20]Gianluca M，Mario S，Livia B，et al.Quantification of epicardial fat with cardiac CT angiography and association with cardiovascular risk factors in symptomatic patients： from the ALTER-BIO （Alternative Cardiovascular Bio-Imaging markers） registry[J].Diagn Interv Radiol，2019，25（1）：35-41.

[21]Oikonomou EK，Marwan M，Desai MY，et al.Non-invasive detection of coronary inflammation using computed tomography and prediction of residual cardiovascular risk （the CRISP CT study）： a post-hoc analysis of prospective outcome data[J].Lancet，2018，392（10151）：929-939.