本研究旨在比较基于计算流体动力学来源的冠状动脉CTA血流储备分数（FFR）（FFRCFD）和基于机器学习算法的冠状动脉CTA得到的FFR（FFRML）两种技术方法的价值，并将结果发表在Radiology上。
本研究共纳入了85例行冠状动脉CTA及侵入性FFR的患者（平均年龄62岁±11，62%为男性）。利用FFRCFD和FFRML于冠状动脉CTA原始数据中得到FFR值两种技术检出病变特异性缺血的能力与冠状动脉CTA、QCA上主观狭窄评价进行比较，以侵入性FFR作为参考标准。
结果为，在每一次病变和每一位患者，FFRML检出病变特异性缺血的敏感性分别为79%、90%，特异性为94%、95%。同时，FFRCFD 检出病变特异性缺血的敏感性分别为79%、89%，特异性分别为93% 、93% (P = .86、P = .92)。对于每一次病变，FFRML和 FFRCFD检出病变特异性缺血的AUC分别为0.89、0.89，均明显高于冠状动脉来源FFR(AUC， 0.61)和QCA(AUC， 0.69) (all P < .0001)。同时，对于每一位患者，FFRML (AUC， 0.91)、FFRCFD (AUC， 0.91)也由于冠状动脉CTA(AUC， 0.65)和QCA(AUC， 0.68) (all P < .0001)。FFRML 的处理时间要明显短于FFRCFD (40.5 分± 6.3 vs 43.4分± 7.1； P = .042)。
本研究表明，FFRML 算法在检出病变特异性缺血方面和FFRCFD 算法同样好。两种方法检出血流受限性狭窄的准确性要优于冠状动脉CTA和QCA。
按疾病找