冠状动脉慢性闭塞(CTO)的特征是明显的动脉粥样硬化性血管狭窄，导致血流完全中断至少3个月，大约五分之一的疑似冠状动脉疾病患者进行有创冠状动脉造影(ICA)时遇到这种情况。由于其复杂性，CTO再通仍然具有挑战性。这使得相当大比例的患者需要接受医学治疗或转诊进行冠状动脉搭桥手术，而不是经皮冠状动脉介入治疗(PCI))。利用方便的指标来评估每个病灶CTO的导丝操作时间和PCI成功率，将有助于医生减轻手术的不确定性，并选择最佳的治疗方案。

自2003年64排CT扫描仪问世以来，冠状动脉CT血管造影(CCTA)已被广泛用于评估冠状动脉疾病。CCTA能够描绘完整的冠状动脉血管树和未增强的闭塞段，这使得其在检测阻塞性病变方面意义重大。冠状动脉CT血管造影在评估CTO方面优于ICA，与ICA引导下的PCI相比优于ICA。然而，基于CCTA评分的人工重建和计算耗时且主观，并且在外部队列中的预测准确性不一致，因此需要进一步验证。

最近，深度学习(DL)辅助医学图像处理和分析已经取得了相当大的进展，在图像重建、结构分割、病变检测和疾病诊断方面显示出潜力。此外，人工智能在CTO的自动分割和CT重建中发挥了重要作用。然而据我们所知，人工智能在预测CTO的PCI结果方面的表现尚未有报道。

近日，发表在Radiology杂志的一项研究建立了冠状动脉CT血管造影(CCTA)预测CTO导丝穿越和PCI预后的DL模型，并将其与人工预测评分进行了比较。

本项研究前瞻性地在2018年1月至2021年12月期间从一家三级医院筛选CTO病变的参与者作为开发CTO PCI的DL预测模型的训练集，并进行五倍交叉验证。该算法使用2021年1月至2022年6月期间从三家三级医院前瞻性招募的外部测试集进行测试，具有相同的资格标准。所有参与者在PCI前1个月内行术前CCTA，终点为30分钟内导丝穿过和CTO的PCI成功。

研究共纳入534例患者，平均年龄57.7岁±10.8 [SD];417例(78.1%)男性，565例CTO病变。在外部测试集中(186名受试者，189名CTO)， DL模型比人工评分节省了85.0%的重建和分析时间(平均73.7秒vs 418.2-466.9秒)，在30分钟内预测导丝穿越的准确率高于人工评分(DL, 91.0%;慢性全闭塞血运重建术的CT登记，61.9%;韩国多中心CTO CT注册中心[KCCT]，68.3%;日本CCTA衍生的多中心CTO注册(J-CTO)， 68.8%;P < 0.05)和PCI成功率(DL, 93.7%;KCCT, 74.6%;J-CTO, 75.1%;P < 0.05)。对于DL，训练测试集的受试者工作特征曲线下面积为0.97 (95% CI: 0.89, 0.99)，外部测试集的受试者工作特征曲线下面积为0.96 (95% CI: 0.90, 0.98)。

表 DL模型和基于人工CCTA的CTO病变PCI成功预测评分的预测结果

本项研究表明，DL预测模型准确预测了CTO病变经皮再通结果，提高了PCI难度的无创分级效率。

原文出处：

Zhen Zhou,Yifeng Gao,Weiwei Zhang,et al.Deep Learning-based Prediction of Percutaneous Recanalization in Chronic Total Occlusion Using Coronary CT Angiography.DOI:10.1148/radiol.231149

Tags： Radiology：基于冠状动脉CCTA慢性闭塞患者经皮再通的深度学习预测