韩国：FLASH试验揭示，基于人工智能的全自动定量冠状动脉造影（AI-QCA）在实现术后最小支架面积（MSA）方面不劣于光学相干断层扫描（OCT）引导的经皮冠状动脉介入治疗（PCI）。两种方法在OCT定义的终点上显示出相似的结果，突显了AI-QCA作为传统OCT引导方法的一种有前景、高效且完全自动化的替代方案。
该研究结果于2024年10月30日在线发表在《JACC: Cardiovascular Interventions》上。
最近开发的基于人工智能的全自动定量冠状动脉造影提供了实时、客观且一致的冠状动脉造影分析。它无需额外的时间或劳动力即可提供定量见解。AI-QCA利用先进的机器学习算法分析冠状动脉造影图像，提供精确的自动化测量，无需操作员解释。这项技术有望通过减少变异性、提高决策速度和确保一致的程序指导来简化PCI。
在此背景下，首尔大学医学院阿桑医疗中心心血管科的Jung-Min Ahn及其同事旨在评估AI-QCA辅助PCI与OCT引导PCI在评估术后结果方面的有效性。
为此，研究人员在韩国13个中心招募了400名患有显著冠状动脉疾病的PCI患者。参与者以1:1的比例随机分配到AI-QCA辅助组或OCT引导组。主要终点是使用OCT评估的术后最小支架面积（MSA）。该研究测试了AI-QCA辅助PCI在实现术后MSA方面相对于OCT引导PCI的非劣效性，非劣效性边界设定为0.8平方毫米。
研究带来了这些重要结果：
- 共有395名患者（AI-QCA组199名，OCT组196名）被纳入主要终点分析。
- AI-QCA组的术后最小支架面积（MSA）为6.3 ± 2.2平方毫米，OCT组为6.2 ± 2.2平方毫米（差异，-0.16）。
- 其他OCT定义的终点在两组间无显著差异，包括支架扩张不足（AI-QCA组50.8%，OCT组54.6%）、撕裂（AI-QCA组15.6%，OCT组12.8%）和未处理的参考段疾病（AI-QCA组15.1%，OCT组13.3%）。
- AI-QCA组的支架错位发生率高于OCT组（13.6% vs 5.6%）。
研究人员证明，AI-QCA辅助PCI在实现最佳最小支架面积（MSA）方面不劣于OCT引导PCI，两组在手术并发症率、OCT定义的终点和6个月临床结果方面相似。FLASH试验突显了AI-QCA作为指导冠状动脉干预的有前景工具，特别是在资源有限的环境中或对于复杂性较低的冠状动脉疾病病例，此时血管内成像的益处仍不确定。
展望未来，研究人员强调，需要进行更大规模的临床试验，重点关注长期临床结果，以充分界定AI-QCA辅助PCI在日常介入心脏病学实践中的角色。
参考文献：
Kim, Y., Yoon, H., Suh, J., Kang, S., Lim, Y., Jang, D. H., Park, J. H., Shin, E., Bae, J., Lee, J. H., Oh, J., Kang, D., Kweon, J., Jo, M., Yun, S., Park, D., Kim, Y., Park, S., Park, H., . . . Suh, J. (2024). Artificial Intelligence–Based Fully Automated Quantitative Coronary Angiography vs Optical Coherence Tomography–Guided PCI (FLASH Trial). JACC: Cardiovascular Interventions.
(全文结束)
