人工智能诊断系统及CT无创血流储备分数在评估高海拔地区 冠脉临界病变中的应用

目的探讨基于冠状动脉CT血管成像(CCTA)的人工智能(AI)诊断系统及CT无创血流储备分数(CT-FFR)在评估高海拔地区冠状动脉临界病变结构及功能学中的应用价值。方法前瞻性收集2022年1月~2023年10月青海大学附属医院冠心病临界病变患者164例,按居住地海拔进行分组,其中2000~3000m为A组(n=83),3000m以上为B组(n=81),再将两组患者按冠脉狭窄程度细分为50%~60%亚组(n=84)和61%~70%亚组(n=80)。将患者冠状动脉CT血管成像数据导入AI辅助诊断及CT-FFR测量系统,以冠脉造影及冠脉传统血流储备分数(FFR)为金标准,分别评价AI及CT-FFR在高海拔地区冠脉临界病变诊断中的应用。结果以FFR为金标准,CT-FFR与FFR的一致性为83.75%。B组钙化斑块、易损斑块高于A组(P=0.037、0.020);B组冠状动脉多支病变、61%~70%狭窄程度发生率均高于A组(P<0.05);A组、B组在61%~70%亚组钙化斑块、易损斑块发生率均高于50%~60%亚组(P<0.05)。B组CT-FFR值低于A组(0.76±0.04 vs 0.88±0.05,P<0.01);A、B两组在61%~70%亚组CT-FFR值≤0.80、<0.70的发生率高于50%~60%亚组(P<0.05)。结论AI诊断系统及CT-FFR对评估高海拔地区冠状动脉临界病变的结构特征及血流动力学改变的结果与冠脉造影、FFR一致性高,具有较高的诊断敏感度和特异度。

冠状动脉CT血流储备分数研究进展

血流储备分数值(Fractional flow reserve, FFR)是评价冠状动脉生理功能的金标准,但介入性有创操作限制了其在临床实践中的广泛应用。近些年来,已经开发出从冠状动脉CT血管成像(Coronary CT angiography, CCTA)中获取功能信息的新方法,即利用CCTA提供的解剖学信息与流体动力学算法相结合,从CCTA图像数据集中计算FFR。计算机断层扫描衍生的血流储备分数值(CT derived fractional flow reserve, CT-FFR)能够无创地识别病变生理特性,CT-FFR建模技术提供了整个冠状动脉树的FFR,同时CT-FFR与FFR的良好相关性有助于引导冠心病(Coronary artery disease, CAD)患者选择最佳治疗策略,并提高治疗预期。本文对国内外有关FFR检测方法及临床进展进行综述,旨在为相关人员提供参考借鉴。

MRI影像组学在预测乳腺癌预后中的研究进展

乳腺癌是全世界女性中最常见的癌症,其特点是肿瘤内和肿瘤间的异质性,这在很大程度上导致了其预后不良。随着高精度诊疗技术的不断进步,磁共振成像(magnetic resonance imaging,MRI)影像组学在乳腺癌诊断和治疗中展现了广阔的应用前景。MRI根据病变的形态和血流动力学特征对整个肿瘤信息进行全面评估,是最敏感的乳腺癌影像学检查方法。影像组学是一种新兴的、高通量的图像特征提取与定量分析方法,在肿瘤相关领域得到了广泛的应用。本文将概述影像组学工作流程的步骤,并根据已发表的文献研究MRI影像组学在预测乳腺癌预后中的应用,以及目前关于影像组学的局限性和挑战展开综述,从而为临床精准诊疗提供思路,提高对女性人群乳腺癌的预后评估水平。