儿童光子计数CT：文献综述

本研究探讨基于AI的全自动CT-FFR在TAVR患者中检测严重冠心病的准确性和术后稳定性。纳入2020-2023年TAVR患者77例，比较CCTA与CT-FFR诊断性能，结果显示CT-FFR敏感度94.4%、特异性83.1%、AUC 0.83优于CCTA的0.63。术后3个月CT-FFR值与术前一致性良好（ICC 0.85）。结论AI CT-FFR优于CCTA，术后稳定性好。

　　

摘要

目的：

研究基于人工智能（AI）的全自动CT衍生的分数流量储备（CT-FFR）在检测接受经导管主动脉瓣置换术（TAVR）患者中的严重冠状动脉疾病（CAD）方面的诊断准确性和稳健性。

方法：

这项单中心回顾性研究纳入了2020年1月至2023年6月期间接受TAVR的连续患者。所有患者均接受了术前冠状动脉CT血管造影（CCTA）和侵入性冠状动脉造影（ICA）。CT-FFR通过全自动AI软件进行评估。以ICA（直径狭窄≥70%）作为参考标准，比较了CCTA和CT-FFR在识别严重CAD方面的诊断性能。选择在TAVR后3个月内接受CCTA的患者来计算CT-FFR值，并将TAVR后的CT-FFR结果与TAVR前的结果进行对比，以评估基于AI的软件的稳健性。

结果：

共有77名TAVR术前患者和164条血管被纳入研究。通过ICA在18名患者（23.4%）中检测到严重CAD。在患者个体分析中，CCTA的敏感性、特异性、阳性预测值、阴性预测值和诊断准确率分别为44.4%、91.5%、61.5%和80.5%；CT-FFR的相应指标分别为94.4%、83.1%、64.0%和85.7%。CT-FFR的接收者操作特征曲线下面积优于CCTA（0.83 vs 0.63，P = 0.001）。35名（45.5%）患者在TAVR前后均接受了CT-FFR检测。TAVR前后的CT-FFR值具有良好的一致性（组内相关系数0.85）。

结论：

基于AI的全自动CT-FFR能够提高CCTA在TAVR术前识别严重CAD的诊断性能，并在TAVR术后表现出良好的稳定性。

导出