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定义的终点上表现出相似的结果，突显了AI-QCA作为传统OCT引导方法的一种有前景、高效且全自动的替代方案。
这些发现于2024年10月30日在线发表在《JACC: Cardiovascular Interventions》上。
最近开发的全自动基于人工智能的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。它在不增加额外时间和无需额外劳动力的情况下提供定量见解。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，而无需操作者解释。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，首尔大学医学院峨山医学中心心血管科的Jung-Min Ahn及其同事旨在评估AI-QCA辅助经皮冠状动脉介入治疗与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患者进行PCI。参与者按1:1的比例随机分配到AI-QCA辅助组或OCT引导组。主要终点是术后最小支架面积（MSA），通过OCT进行评估。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 mm²。
研究带来了以下重要结果：
- 共有395名患者（AI-QCA组199名，OCT组196名）纳入主要终点分析。
- 术后最小支架面积（MSA）在AI-QCA组为6.3 ± 2.2 mm²，在OCT组为6.2 ± 2.2 mm²（差异，-0.16）。
- 其他OCT定义的终点在两组之间没有显著差异，包括支架欠膨胀（AI-QCA组50.8% vs OCT组54.6%）、撕裂（AI-QCA组15.6% vs OCT组12.8%）和未处理的参考段疾病（AI-QCA组15.1% vs 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，且两组在手术并发症、OCT定义的终点和6个月临床结果方面具有相似的比率。FLASH试验强调AI-QCA作为指导冠状动脉介入治疗的有前景工具，特别是在资源有限的环境中或对于复杂程度较低的冠状动脉疾病病例，此时血管内成像的好处仍不确定。
展望未来，研究人员强调，关注长期临床结果的更大规模临床试验将是定义AI-QCA辅助PCI在日常介入心脏病学实践中的角色的关键。
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)
