李晨光教授团队重磅研究：AI辅助μQFR为心肌桥缺血提供精准无创评估 | Cardiology Plus

心肌桥（MB）是一种常见的先天性冠脉异常，可引发心肌缺血等。冠脉狭窄功能性评价的公认指标——血流储备分数（FFR），因其操作复杂性及在心肌桥动态压迫特性下可能产生的测量变异，在评估 MB 时存在局限与争议，亟需更便捷、稳定的评估手段。

Cardiology Plus 第三期发表了来自复旦大学附属中山医院李晨光教授团队的一项回顾性队列研究，系统性地验证了人工智能（AI）辅助的基于造影的定量血流分数（μQFR）在不同心动周期中对心肌桥缺血的诊断性能，为这一临床难点提供了一种创新评估方案。

研究方法：AI 驱动的 μQFR 分析

研究回顾性纳入了 2018 年于复旦大学附属中山医院接受冠状动脉造影和 FFR 检测的 118 例连续就诊的心肌桥患者。

在 118 条血管中，91 条血管 FFR >0.80，27 条血管 FFR ≤0.80。大多数患者为男性（74.6%），41 名患者（34.7%）为现吸烟或曾吸烟者。临床表现方面，57 名患者（48.3%）为不稳定型心绞痛，46 名患者（39.0%）为稳定性冠心病，所有 MB 均位于 LAD 动脉。

表1. 基线特征

本研究的核心创新在于利用 AI 算法，基于不同的关键帧选择计算了三种 μQFR（基于 Murray 定律的定量血流比），与 FFR 进行头对头比较：

• 收缩期 μQFR（sys-μQFR）：基于收缩期帧图像。

• 舒张期 μQFR（dias-μQFR）：基于舒张期帧图像。

• 基于形变的 μQFR（D-μQFR）：通过分析收缩期挤压段在整个心动周期（4帧）内的管腔变形计算。

研究以有创 FFR≤0.80 为缺血标准，全面评估上述方法的诊断性能。

图1. 心肌桥的 FFR 与 μQFR 动态评估案例展示

核心结果：D-μQFR 展现最优诊断性能

诊断性能比较显示，D-μQFR 综合表现最佳：

• 诊断准确率最高：达到92%，显著高于 sys-μQFR（79%）和 dias-μQFR（86%）。

• 鉴别能力最强：其受试者工作特征曲线下面积（AUC）为 0.94，优于其他两种方法。

• 敏感性与特异性特点：sys-μQFR 敏感性极高（96%），而 dias-μQFR 特异性极强（100%），D-μQFR 则在两者间取得了最佳平衡（敏感性67%，特异性99%）。

图2. 三种 μQFR 方法诊断性能的比较

临床意义：迈向无创精准评估的新路径

本研究为心肌桥的功能评估提供了重要启示：

• 实现高效无创评估：AI-μQFR 仅需常规造影图像，无需压力导丝和额外药物负荷，即可实现快速、准确的功能学评估，临床操作性更强。

• 明确不同算法价值：D-μQFR 因整合了整个心脏周期的形变信息，最能反映心肌桥的动态病理生理，诊断准确性最高。sys-μQFR 高敏感、dias-μQFR 高特异的特点，为临床提供互补的诊断策略。

• 奠定技术应用基础：该研究证实了计算冠脉生理学在心肌桥这一复杂场景中的可靠性，为未来将其整合于常规诊疗流程、实现更广泛的冠脉疾病无创功能评估奠定了循证基础。

总结与展望

本研究成功将人工智能与计算流体动力学相结合，突破了心肌桥传统功能评估的瓶颈。μQFR 作为一种新颖、无创且高度准确的工具，有望重塑心肌桥的临床评估范式，推动冠脉疾病诊断向更精准、更便捷、更友好的方向发展。

引用本文：Wang, Jingpu1,2,3,4,5; Gutiérrez-Chico, Juan Luis6; Hu, Fukang7; Zeng, Xiaoling8; Chang, Yunxiao9; Ding, Daixin7; Liu, Lili6; Pei, Zhiqiang1,2,3,4,5; Wu, Yizhe1,2,3,4,5; Shen, Li1,2,3,4,5; Chen, Lianglong8; Tu, Shengxian7,*; Li, Chenguang1,2,3,4,5,*. Diagnostic accuracy of angiographic quantitative flow ratio across cardiac phases in patients with myocardial bridge: a retrospective cohort study. Cardiology Plus 10(3):p 183-191, July-September 2025.

DOI: 10.1097/CP9.0000000000000128

欢迎扫码获取期刊更多信息