使用机器学习的冠状动脉电子计算机断层扫描血流储备分数(CT-FFR)能够识别冠状动脉疾病和血管特异性缺血的存在。然而，与稳定型冠状动脉疾病患者的护理标准相比，现场CT-FFR是否能改善临床或经济结果尚不清楚。

2023年3月4日，中国人民解放军总医院陈韵岱团队在Circulation（IF=40）在线发表题为“On-Site Computed Tomography-Derived Fractional Flow Reserve to Guide the Management of Patients with Stable Coronary Artery Disease： the TARGET Randomized Trial ”的研究论文，该研究揭示了稳定性冠状动脉疾病患者治疗的现场计算机断层扫描衍生血流储备分数。结果表明，两组的基线特征相似，72.4%有典型或非典型心绞痛症状。CT-FFR治疗组608例患者中有421例(69.2%)接受了侵入性冠状动脉造影，标准治疗组608例患者中有483例(79.4%)接受了侵入性冠状动脉造影。

与标准治疗组相比，CT-FFR治疗组接受有创冠状动脉造影且无阻塞性冠状动脉疾病或有阻塞性疾病未接受干预的患者比例显着降低。总体而言，CT-FFR治疗组比标准治疗组更多的患者进行了血运重建，但1年MACE治疗没有差异。随访期间，两组患者的生活质量和症状改善相似，CT-FFR治疗组的费用有降低的趋势。使用机器学习的现场CT-FFR降低了稳定冠状动脉疾病患者在90天内接受无阻塞性疾病或需要干预的有创冠状动脉造影的比例，但总体上增加了血流量重建，但没有改善症状或生活质量，或减少主要不良心血管事件。

冠状动脉CT血管造影(CCTA)已成为冠状动脉性心脏病(CAD)稳定患者的一线检查。随着基于CCTA数据集的新型功能评估的出现，CT衍生的分流储备(CT- FFR)比仅使用CCTA进行解剖评估可增加稳定性心绞痛诊断的特异性。CT-FFR在检测冠状动脉特异性病变相关的功能性心肌缺血方面显示出巨大潜力。PLA TFORM研究表明，解剖评估结合功能性CT-FFR可以为临床决策、患者管理和资源利用提供增量信息。

最近的FORECAST试验采用随机设计，表明与标准护理路径相比，初始CCTA路径选择性使用场外计算流体动力学CT-FFR减少了侵入性冠状动脉造影的成本和临床结果。CT-FFR现在可以使用一种新兴的机器学习技术进行现场测量，该技术显示出良好的诊断准确性和风险预测性能，提供了一种基于计算流体动力学的算法的替代方案。

尽管有了这些进展，但根据最新指南，中等狭窄的CCTA患者仍然推荐进行压力测试。在ADV ANCE注册中心，超过50%的病例需要在没有CT-FFR的CCTA后管理策略中进行额外测试，无论现场决策或核心实验室的评估。此外，以前使用计算流体力学技术的研究需要将图像转移到场外进行分析。使用机器学习的CT-FFR策略是否在现场改善了稳定胸痛患者的临床或经济结果未知。

该研究的目的是比较使用现场机器学习的CT-FFR策略与CCTA中度狭窄的稳定冠状动脉疾病患者的管理和结局的压力测试。结果显示，与标准护理相比，使用机器学习的现场CT-FFR降低了稳定冠状动脉疾病患者在90天内接受无阻塞性疾病或需要干预的有创冠状动脉造影的比例，但总体上增加了冠状动脉血管重建术，但没有改善症状或生活质量，也没有减少主要不良心血管事件。

原始出处：

Junjie Yang， Dongkai Shan， Xi Wang， et al. On-Site Computed Tomography-Derived Fractional Flow Reserve to Guide the Management of Patients with Stable Coronary Artery Disease： the TARGET Randomized Trial. Circulation. 2023.