基于深度学习的FFRCT在可疑冠心病病人中的应用

目的 探讨基于深度学习的CT血流储备分数（FFR_CT）在可疑冠心病病人中应用的可行性,分析缺血性病变（FFR_CT≤0.80）的预测因素及对治疗决策的影响。方法 回顾性纳入因疑似冠心病行冠状动脉CT血管成像（CCTA）的病人292例,其中男187例,女105例,平均年龄（65.8±10.3）岁。利用CCTA影像将狭窄程度分为轻度 （≥25%且<50%）、中度（≥50%且<70%）和重度（≥70%且<99%）。采用基于深度学习的FFR_CT软件对病人的CCTA数据进行测量。根据FFR_CT数值范围将病人分为阳性组（FFR_CT≤0.80,102例）和阴性组（FFR_CT>0.80,190例）。2组病人的一般资料、CCTA上的血管特征及血运重建,以及基于FFR_CT与CCTA制定的治疗策略的比较采用Mann-Whitney U 检验、t检验及卡方检验。采用Logistic回归分析FFR_CT≤0.80的独立预测因素。结果 阳性组病人的年龄更大,男性更多,高血压、糖尿病和吸烟的比例均高于阴性组（均P<0.05）。阳性组较阴性组病人更多的表现为中重度狭窄（分别为80.4%和28.4%）,更多的病人行血运重建术（分别为56.8%和11.1%）,均P<0.05。74例病人（25.3%）基于FFR_CT的结果治疗决策发生改变。多因素Logsitic回归分析显示,高血压（OR=2.245）、糖尿病（OR=2.238）及中重度狭窄（OR=8.837）是FFR_CT≤0.80的独立预测因素（均P<0.05）。结论 基于深度学习的FFR_CT技术在可疑冠心病病人中的应用是可行的,高血压、糖尿病及中重度狭窄是FFR_CT≤0.80的独立预测因素,FFR_CT可能影响病人的治疗决策。