人工智能赋能精准介入治疗 计算冠状动脉功能学方兴未艾.pdfVIP

人工智能赋能精准介入治疗计算冠状动脉功能学方兴未艾

【摘要】人工智能正驱动冠状动脉功能学从传统有创评估向无创或基于影像的

计算功能学模式革新。通过人工智能算法优化，多项冠状动脉功能学技术突破传

统压力导丝限制，实现非侵入性血流动力学评估，在缩短分析时间的同时，提高

测量精准性。临床实践中，人工智能赋能的冠状动脉功能学可贯穿冠心病诊疗全

周期：术前冠状动脉CT血管成像衍生的血流储备分数精准筛查，术中造影衍生

的定量血流分数决策与指导，术后功能学指导的优化和患者预后分层。人工智能

赋能的冠状动脉功能学将助力“术前筛查-治疗决策-术后优化-预后评估”

的精准诊疗，推动冠心病诊疗迈向更高效、更精准的新时代。

【关键词】冠心病；冠状动脉功能学；血流储备分数；人工智能

冠状动脉介入治疗是冠心病治疗的重要手段。近20年来，精准介入治疗理

念推动了冠心病诊疗模式的革新，以血流储备分数（fractionalflowreserve，

FFR）为代表的冠状动脉功能学评估体系，为精准介入治疗提供了全新的模式［1］。

大量循证医学证据表明，基于功能学指导的介入策略不仅优化了治疗决策，同时

提高了医疗资源的利用率［2］。然而，尽管国际权威指南一致推荐冠状动脉功

能学评估的应用，其在全球的普及率仍较低［3-4］。主要原因可能包括手术时

间延长、血管扩张剂引起的患者不适、潜在的导丝相关并发症风险以及较高的成

本等。

近年来，人工智能（artificialintelligence，AI）技术的快速发展为医

学领域带来了变革。在冠状动脉功能学领域，AI的引入加速了评估方式从传统

压力导丝主导的有创模式向无创或基于影像的计算功能学模式转变。通过优化算

法，AI明显简化了功能学的评估流程，降低了操作门槛。冠状动脉CT血管成像

衍生的FFR、造影衍生的定量血流分数（quantitativeflowratio，QFR）、造

影衍生的冠状动脉血流储备、造影衍生的微血管阻力指数等技术摆脱了传统的基

于导丝的有创操作限制，其在非充血状态下的评估模式也明显改善了医患体验

［5］。新一代QFR技术，即基于Murray定律的QFR将传统的QFR从双体位造影

重建进化为单体位重建，大幅提高了临床实践可行性，使其适用于大多数的造影

场景［6］。

AI带来的技术革新不仅体现在评估手段的多元化，更实现了功能学理念与

冠心病诊疗全过程的深度融合。在临床实践中，AI赋能的冠状动脉功能学将助

力“术前筛查-治疗决策-术后优化-预后评估”的精准诊疗。术前，通过冠状

动脉CT血管成像衍生的FFR，精准识别需要进一步有创评估的患者，并初步制

定血运重建策略；术中，基于造影衍生的功能学指标精准决策血运重建与否，通

过功能性狭窄分布结合回撤压力梯度、瞬时FFR梯度等参数［7-8］，准确定位

病变位置，确定支架尺寸与长度，并通过模拟介入治疗预测治疗效果；术后，为

经皮冠状动脉介入治疗效果优化提供血流动力学依据；之后通过构建预后模型，

为患者提供个体化随访方案。本期中，宋雷团队的研究探索了计算冠状动脉功能

学阴性的患者预后的预测因子和支架内再狭窄的危险因素，为该技术用于患者预

后分层增添了循证医学证据［9］。

冠状动脉微循环功能评估作为功能学评估体系的重要组成部分，一直受到广

泛关注，国内外有多部心血管领域指南及专家共识对其临床意义进行了相关阐述

［3，10-11］。随着AI的引入，其评估方法也正从传统基于导丝的有创检测方

法（如冠状动脉血流储备、微血管阻力指数）向基于冠状动脉造影的计算功能学

评估转变［12］。本期中，涂圣贤团队的研究提出了一种基于单体位冠状动脉造

影、AI赋能的快速自动评估冠状动脉体积血流量和冠状动脉血流储备的新方法，

并在冠状动脉慢血流患者中验证了其高可行性和良好的可重复性［13］。龚艳君

团队的研究显示，联合经皮冠状动脉介入治疗术前和术后的造影衍生的微血管阻

力指数与不良预后密切相关，尤其是再次血运重建的风险显著增加［14］。这些

研究都为微血管病变的计算功能学评估增添了新的循证医学证据。

在冠状动脉功能学从有创评估向无创或基于影像的计算模式转变的过程中，

AI的发展恰逢其时。AI为所有复杂的运算赋能，在影像读取、血管分割、三维

重建、血流动力学模拟以及病变建模等环节表现卓越。尽管AI的应用仍面临诸

多挑战，如深度学习模型的可解释性不足、泛化能力有限以及与临床实践整合存

在障碍等，但随着技术迭代和行业经验的沉淀，已显现出突破这些瓶颈的曙光。

在模型透明度方面，可解