基于全国 AI 技术项目对心血管结局及卫生系统影响的研究:FFR-CT 的应用与价值

时间:2025年4月5日
来源:Nature Medicine

编辑推荐:

为解决冠状动脉 CT 血管造影(CCTA)诊断冠心病(CAD)存在的问题,研究人员开展了关于人工智能诊断工具 FFR-CT 对心血管结局影响的研究。结果显示 FFR-CT 安全且有益,可减少心脏检查。这为临床实践提供了重要依据,推动了 AI 在医疗领域的应用。

广告
   X   

在全球范围内,冠心病(CAD)是导致健康问题和死亡的主要原因之一。冠状动脉 CT 血管造影(CCTA)虽为疑似稳定症状性 CAD 患者的一线检查手段,但它难以将阻塞性 CAD 与心绞痛等症状相关联,还可能导致更多不必要的二线心脏检查和治疗,增加患者负担和卫生系统成本。为了进一步优化 CCTA 诊断路径,降低不必要检查风险,研究人员开展了相关研究。
英国国民保健制度(NHS)资助使用一种人工智能(AI)诊断工具 ——CT 衍生的血流储备分数(FFR-CT),用于胸痛患者,旨在改善医生决策并减少下游检查。英国利物浦心血管科学中心、皇家布朗普顿和哈雷菲尔德医院等多个机构的研究人员参与了这项多中心、回顾性、准实验性观察队列研究(FISH&CHIPS)。

研究人员通过收集 2017 年 4 月至 2020 年 12 月期间 27 家医院的 CCTA 数据,将患者分为 FFR-CT 不可用组(35688 例)和 FFR-CT 可用组(54865 例),其中 7863 例患者进行了 FFR-CT 分析。研究主要关注 FFR-CT 对心血管结局的影响,包括全因死亡率、心血管死亡率、心肌梗死(MI)事件率,以及下游检查(如侵入性冠状动脉造影(ICA)、非侵入性心脏检查等)的变化。

在患者特征方面,两组患者在人口统计学和心血管疾病风险因素上总体匹配,但在年龄、高血压、心力衰竭、瓣膜疾病、慢性阻塞性肺疾病(COPD)和慢性肾脏疾病等方面存在一些临床意义虽小但具有统计学意义的差异。

全因死亡率和心血管结局方面,未经调整时,FFR-CT 可用组 2 年全因死亡率(3.2% 对 2.9%,HR 0.92(0.856 - 0.996),P = 0.04)和心血管死亡率(1.3% 对 1.1%,HR 0.86(0.765 - 0.973),P = 0.02)低于 FFR-CT 不可用组;调整基线差异后,两组全因死亡率(aHR 1.00(0.93 - 1.08),P = 0.97)和心血管死亡率(aHR 0.96(0.85 - 1.08),P = 0.48)无显著差异。FFR-CT 可用组的 MI 事件调整风险较高(aHR 1.18(1.05 - 1.34),P = 0.006)。同时,FFR-CT 可用组的所有 ICA(aHR 0.93(0.90 - 0.97),P < 0.001)和无血管重建的 ICA(aHR 0.84(0.80 - 0.88),P < 0.001)显著减少。

下游二级心血管检查方面,FFR-CT 可用组 2 年非侵入性心血管检查显著降低(189/1000 患者对 167/1000,P < 0.001),重复心脏 CT、二线负荷超声心动图或核负荷试验的可能性降低,但心血管磁共振扫描次数增加,侵入性冠状动脉内成像显著增加。

冠状动脉血管重建方面,FFR-CT 可用组 2 年经皮冠状动脉介入治疗(PCI)增加(aHR 1.09(1.03 - 1.15),P = 0.002),冠状动脉旁路移植术(CABG)无变化(aHR 1.01(0.91 - 1.11),P = 0.89),总血管重建率(PCI 和 CABG)更高(aHR 1.06(1.01 - 1.11),P = 0.02),血管重建比例也更高。

FFR-CT 亚组分析显示,FFR-CT 阳性(≤0.80)患者发生心血管死亡(HR 3.00(1.33 - 6.76),P = 0.008)、MI(HR 4.76(2.91 - 7.77),P < 0.001)和血管重建(HR 13.47(10.74 - 16.89),P < 0.001)的风险更高。

AI 实施和学习方面,27 家医院在 12 个月内实施了 AI 技术,项目结束时 54 个站点投入使用。实施 FFR-CT 项目的中位时间为 4.7 个月,不同地区存在差异。随着经验增加,FFR-CT 阳性结果频率增加,二线下游检查减少。

该研究表明,国家实施 FFR-CT 技术项目可快速、公平地在卫生系统中推广 AI 技术。FFR-CT 有助于减少 CCTA 后 2 年的 ICA 和非侵入性功能性心血管检查,对患者护理路径有益且安全性良好。不过,FFR-CT 增加的非致命性 MI 风险需长期评估。此研究为临床实践提供了重要参考,支持了 NICE 推荐和 NHS England 的决策,未来研究可聚焦于 FFR-CT 对增加血管重建、MI 风险、长期影响及成本效益等方面。

研究主要技术方法:
研究人员从 NHS Digital 的数据库获取患者临床数据,包括诊断编码、住院事件等。FFR-CT 分析由商业公司(HeartFlow)进行,其基于 CCTA 原始图像生成冠状动脉分割和三维计算流体动力学模型。统计分析使用 R 软件,通过卡方检验、Cox 比例风险回归等方法评估临床结局。

研究结论和讨论:
本研究结果表明,在全国范围内实施 FFR-CT 这一 AI 诊断辅助工具是可行的,且得到广泛应用。FFR-CT 应用于稳定型 CAD 诊断路径,可减少后续侵入性和非侵入性心脏检查,安全性良好,不增加 MI、全因死亡率或心血管死亡率。这对临床实践具有重要意义,可推广 FFR-CT 以减少不必要的下游检查,卫生政策制定者也可推动更多针对性的采用计划,促进 AI 工具在卫生系统中的应用。然而,研究也存在局限性,如无法确定因果关系、数据存在局限性、受 COVID-19 疫情影响等。未来需进一步研究 FFR-CT 对增加血管重建、MI 风险的影响,以及其长期影响和成本效益,以更好地应用于临床,改善患者预后。
相关新闻
生物通微信公众号
微信
新浪微博


生物通 版权所有