Цель. Оценка диагностической точности методики неинвазивного определения фракционного резерва кровотока (ФРК) путем построения одномерной гемодинамической модели на основании данных компьютерной томографии коронарных артерий (КТ-КА).Материал и методы. В исследование было включено 57 пациентов: 16 пациентам КТ-КА выполнялась на 64-срезовом томографе — включены ретроспективно, 41 пациент — проспективно, им КТ-КА выполнялась на 640-срезовом томографе. Полученные КТ-изображения были обработаны специалистами лаборатории математического моделирования, рассчитывались значения неинвазивного ФРК. Ишемия подтверждалась при ФРК <0,80 и исключалась при ФРК ≥0,80. Далее, пациенты проспективной группы госпитализировались с целью инвазивного измерения ФРК в качестве референсного стандарта, при подтверждении наличия ишемии имплантировался стент. Пациенты ретроспективной группы исходно имели данные о показателе инвазивного ФРК. Статистический анализ выполнялся с использованием пакетов языка программирования R (cran-r.project.org). Непрерывные переменные представлены в виде средних значений ± стандартные отклонения, порядковые переменные представлены в виде медиан с межквартильными диапазонами в круглых скобках. Для оценки нормальности распределения был использован обобщенный тест Д’Агостино-Пирсона, построен КК-график. Для сравнения методик проведен анализ по Бланду-Альтману и ROC-анализ. Для оценки степени корреляции использовался критерий Пирсона.Результаты. В ходе обработки данных из исследования были исключены 3 пациента ретроспективной группы и 34 — проспективной группы. Чувствительность методики составила 90,91% (95% ДИ; 58,72-99,77), специфичность — 86,67% (95% ДИ; 59,54-98,34), P<0,05, точность — 88,46 (95% ДИ; 69,85-97,55) — при анализе по сосудам. Для анализа по пациентам чувствительность составила 91,67% (95% ДИ; 61,52-99,79), специфичность — 80% (95% ДИ; 28,36-99,49), (P<0,05); точность 88,24 (95% ДИ; 63,56-98,54).Заключение. Методика имеет достаточно высокий уровень точности и может быть использована в клинической практике с целью повышения диагностической эффективности КТ-КА.
Гогниева Д. Г., Гамилов Т. М., Прямоносов Р. А., Василевский Ю. В., Симаков С. С., Лианг Ф., Терновой С. К., Серова Н. С., Тебенькова Е. С., Синицын В. Е., Першина Е. С., Абугов С. А., Марданян Г. В., Закарян Н. В., Киракосян В. Р., Бетелин В. Б., Митина Ю. О., Губина А. Ю., Щекочихин Д. Ю., Сыркин А. Л., Копылов Ф. Ю. Неинвазивная оценка фракционного резерва коронарного кровотока при помощи одномерной математической модели. Промежуточные результаты пилотного исследования. Российский кардиологический журнал. 2019;(3):60-68.
https://doi.org/10.15829/1560-4071-2019-3-60-68
1. Simakov SS, Gamilov TM, Kopylov PhYu, et al. Evaluation of the hemodynamic significance of stenosis in multiple lesions of the coronary vessels using mathematical modeling. Bull Exp Biol Med. 2016;162(7):128-32. doi:10.1007/s10517-016-3558-0.
2. Gognieva D, Gamilov T, Pryamonosov R, et al. One-Dimensional Mathematical ModelBased Automated Assessment of Fractional Flow Reserve in a Patient with Silent Myocardial Ischemia. Am J Case Rep. 2018;19:724-8. doi:10.12659/AJCR.908449.
3. Koo BK, Erglis A, Doh JH, et al. Diagnosis of Ischemia-Causing Coronary Stenoses by Noninvasive Fractional Flow Reserve Computed From Coronary Computed Tomographic Angiograms. Results From the Prospective Multicenter DISCOVER-FLOW (Diagnosis of Ischemia-Causing Stenoses Obtained Via Noninvasive Fractional Flow Reserve) Study. J Am Coll Cardiol. 2011;19:1889-997. doi:10.1016/j.jacc.2011.06.066.
4. Min JK, Leipsic J, Pencina MJ, et al. Diagnostic Accuracy of Fractional Flow Reserve from Anatomic CT Angiography. JAMA. 2012;12:1237-45. doi:10.1001/2012.jama.11274.
5. Nørgaard BL, Leipsic J, Gaur S, et al. The NXT Trial Study Group. Diagnostic Performance of Noninvasive Fractional Flow Reserve Derived From Coronary Computed Tomography Angiography in Suspected Coronary Artery Disease. The NXT Trial (Analysis of Coronary Blood Flow Using CT Angiography: Next Steps. J Am Coll Cardiol. 2014;12:1145-55. doi:10.1016/j.jacc.2013.11.043.
6. Douglas PS, De Bruyne B, Pontone G, et al. 1-Year Outcomes of FFRCT-Guided Care in Patients with Suspected Coronary Disease. The PLATFORM Study. J Am Coll Сardiol. 2016;5:435-45. doi:10.1016/j.jacc.2016.05.057.
7. Benton MS, Tesche Ch, De Cecco NC, et al. Noninvasive Derivation of Fractional Flow Reserve From Coronary Computed Tomographic Angiography. A Review. Thorac Imaging. 2017;00(00). doi:10.1097/RTI.0000000000000289.
8. Lu TM, Ferencik M, Roberts SR, et al. Noninvasive FFR Derived From Coronary CT Angiography. ACC: Cardiovascular Imaging. 2017 Apr; 2254. doi:10.1016/j.jcmg.2016.11.024.
9. Gamilov T, Simakov S, Kopylov Ph. Computational simulations of fractional flow reserve variability. Lecture Notes in Computational Science and Engineering. 2016;112:499-507. doi:10.1109/EMBC.2013.6610393.
10. Першина Е. С., Синицын В. Е., Мершина Е. А. и др. Неинвазивная оценка фракционного резерва кровотока у пациентов с ишемической болезнью сердца по данным компьютерной томографии: первые результаты клинического применения. Сравнение с данными инвазивного измерения. Медицинская визуализация. 2018;(2):47-55. doi:10.24835/1607-0763-2018-2-47-55.
11. Coenen A, Lubbers MM, Kurata A, et al. Fractional flow reserve computed from noninvasive CT angiography data: diagnostic performance of an on-site clinician-operated computational fluid dynamics algorithm. Radiology. 2015;274:674-83. doi:10.1148/radiol.14140992.
12. Renker M, Schoepf UJ, Wang R, et al. Comparison of diagnostic value of a novel noninvasive coronary computed tomography angiography method versus standard coronary angiography for assessing fractional flow reserve. Am J Cardiol. 2014;114:1303- 8. doi:10.1016/j.amjcard.2014.07.064.
13. Kruk M, Wardziak L, Demkow M, et al. Workstation-based calculation of CTA-based FFR for intermediate stenosis. JACC Cardiovasc Imaging. 2016;9:690-9. doi:10.1016/j.jcmg.2015.09.019.
14. Yang DH, Kim YH, Roh JH, et al. Diagnostic performance of on-site CT-derived fractional flow reserve versus CT perfusion. Eur Heart J. Cardiovasc Imaging. 2017;18:432-40. doi:10.1093/ehjci/jew094.
15. Danilov A, Ivanov Yu, Pryamonosov R, Vassilevski Yu. Methods of Graph Network Reconstruction in Personalized Medicine. Int J Numer Method Biomed Eng. 2015; doi:10.1002/cnm.2754.
