结合 CT-FFR 与 SYNTAX 评分构建复杂冠心病 MACE 预测模型，开启精准诊疗新篇

为评估稳定复杂冠心病（CAD）患者 1 年主要不良心血管事件（MACE）风险，研究人员构建预测模型，结果显示其预测性能良好，有助于改善临床结局。

　　心血管疾病（CVD）如今已成为全球范围内的 “健康杀手”，夺走无数人的生命，而冠心病（CAD）作为其中的 “主力军”，更是严重威胁着人类的健康。复杂冠心病，这个 CAD 家族中的 “狠角色”，包含多血管疾病和复杂形态病变，常常伴随着糖尿病、高血压等 “帮凶”，让患者的预后情况很不理想。尽管现代医学在 CAD 的诊断和治疗上不断发力，但复杂 CAD 患者的临床结局依旧差强人意。

传统用于评估复杂 CAD 患者病情的手段存在不少 “短板”。分数血流储备（FFR）虽然常用，却需要进行有创操作并用药，不仅有安全风险，还难以一次性全面评估整个冠状动脉树。而 SYNTAX 评分，仅仅依据冠状动脉的解剖特征，无法准确反映疾病的真实严重程度。在这样的困境下，研究人员急需找到新的突破口，以实现对复杂 CAD 患者病情的精准评估和有效干预。

广州红十字会医院的研究人员挺身而出，为解决这一难题展开了深入研究。他们的研究成果发表在《Scientific Reports》上，为复杂 CAD 的诊疗带来了新的希望。

为了构建出能够精准评估稳定复杂 CAD 患者 1 年 MACE 风险的预测模型，研究人员回顾性分析了 2020 年 1 月至 2023 年 9 月在广州红十字会医院就诊的患者数据。他们从符合 “稳定复杂 CAD” 标准的 620 名患者中，经过层层筛选，最终纳入 369 例患者进行研究。这些患者被随机分为训练集（70%）和验证集（30%），前者用于构建模型，后者用于评估模型性能。

在研究过程中，研究人员用到了多种关键技术方法。首先，通过冠状动脉 CT 血管造影（CCTA）获取患者的冠状动脉影像信息 。接着，利用 RuiXin-FFR 软件对 CCTA 图像进行分析，得到 CT-FFR 数据。基于 CCTA 和 CT-FFR 报告，医生们使用在线 SYNTAX Score 计算器计算解剖学 SYNTAX 评分（ASS）和功能性 SYNTAX 评分（FSS） 。最后，运用 R 软件进行统计分析，通过最小绝对收缩和选择算子（LASSO）回归筛选预测因子，再用逻辑回归构建风险预测模型，并绘制列线图。

研究结果主要从以下几个方面呈现：

1. 研究人群特征：369 例患者纳入研究，平均年龄（70.38±9.22）岁，男性占 65.58%，1 年内 145 例（39.30%）发生 MACE 。训练集和验证集的基线特征无显著差异。
2. 预测因子选择与模型构建：通过 LASSO 回归初步筛选出 9 个风险预测因子，包括 FSS、低密度脂蛋白胆固醇（LDL-C）等。经逻辑回归逐步向后筛选，最终确定 7 个独立风险预测因子：FSS、LDL-C、左心室射血分数（LVEF）、白蛋白、脉压≥72 mmHg、血管紧张素转换酶 2（ACE2）≥27.5 U/L 和糖尿病，并构建了风险预测模型，绘制出列线图。
3. 模型性能验证：通过受试者工作特征曲线（ROC）评估，训练集和验证集的曲线下面积（AUC）分别为 0.843 和 0.844，表明模型有良好的预测性能。校准曲线显示模型校准良好，决策曲线分析表明在一定概率阈值范围内，使用该模型具有较好的临床适用性，列线图具有较强的风险分层能力。

研究结论表明，该研究构建的基于 CT-FFR 衍生的 FSS 的临床预测模型，对复杂 CAD 患者 1 年 MACE 风险具有良好的预测性能和临床实用性。这一模型能够帮助医生对患者进行早期风险分层，针对不同风险的患者制定个性化的干预措施，比如对于低风险患者加强常规随访，高风险患者及时进行血运重建等，从而改善患者的临床结局。

不过研究也存在一些局限性，如单中心、小样本、回顾性研究，存在选择偏倚，缺乏外部验证；未进行冠状动脉钙化评分，钙化斑块可能影响 CT-FFR 结果准确性；研究随访期受 COVID-19 疫情影响，可能干扰终点事件发生率的准确性 。但这并不影响该研究的重要意义，它为后续大规模、多中心的研究奠定了基础，有望推动复杂 CAD 诊疗领域的进一步发展，让更多患者从中受益。