冠状动脉粥样硬化性心脏病（coronary artery disease，CAD，简称冠心病）是全球致死率第1的疾病，因而早期、准确的诊断和评估对于CAD患者的有效防治及预后非常重要。研究表明^[1]，冠状动脉狭窄程度与心肌缺血之间存在不相符情况，因此需要一种有效的检查来评估冠状动脉病变的功能学意义。目前临床上用来判断冠状动脉功能学的方法主要是测量血流储备分数（fractional flow reserve，FFR），但因其费用高且检测存在侵入性，应用范围具有一定限制。

近年来，采用流体力学及深度学习法处理冠状动脉CT血管成像（coronary artery computed tomography angiography，CCTA）的图像数据获得的无创血流储备分数（noninvasive fractional flow reserve derived from CT angiography，FFR_CT），可通过单次检查一站式获取冠状动脉解剖和功能信息，具有良好的发展潜力^[2]。本文就FFR_CT以下方面的研究进展进行综述。

1.   血流储备分数的概念和基本原理

1.1   FFR的概念

1993年，Pijls等^[3]首次提出了FFR的概念，这是一种经测定冠状动脉内压力推测出其血流情况的方法。FFR测量值是通过比较最大充血状态下狭窄病变远端的平均压和冠状动脉口部主动脉的平均压，可表达为：

其中，Pd为最大充血状态下冠状动脉狭窄病变远端的平均压，Pa为最大充血状态下冠状动脉口部主动脉的平均压。

如果狭窄病变导致血流受限，病变处的压力会降低^[3-4]。在冠状动脉血流与压力成正相关的情况下，FFR可理解为该冠状动脉供给心肌区域处于血管病变情况下的最大血流与同区域正常时的最大血流之比。理论上正常比值为1，当前指南中建议将0.80作为界值^[4]，FFR≤0.80提示狭窄诱发心肌缺血，FFR＞0.80排除病变引起心肌缺血。

1.2   FFRCT的基本原理

通过应用计算流体力学（computational fluid dynamics，CFD），现在可以无创获得FFR_CT。FFR_CT的推导基于3个原则^[5]：①利用 CCTA数据建立冠状动脉树和左心室心肌的解剖模型；②定义边界条件来控制冠状动脉入口和出口在静息和充血状态下的血流量、压力和微血管阻力，其中入口血流量约与所覆盖的左室心肌质量成正比，出口血流量约与出口供血血管直径成正比，阻力约与供血血管直径成反比；③将基于 CFD的数值解应用于解剖模型，模拟静息和充血状态下冠状动脉的血流量、压力以及整个冠状动脉树上每一点的FFR值。Taylor等^[6]详细地描述了心血管流体力学的计算方法及其在FFR_CT中的应用。

FFR_CT应用较为广泛的计算软件是 HeartFlow-FFR_CT分析（HeartFlow公司）软件，该软件应用三维模型，由于运算量较大，目前都在核心实验室的超级计算机上非现场使用^[7]。目前已经描述了许多降维CFD算法，包括西门子医疗 _CFFR等。降维技术的优势是可以在现场工作站使用标准台式计算机进行处理和分析，据报道，这些软件分析所需的时间在30 min到2.5 h之间^[5,8]。但降维技术仍处于开发研究阶段，还没有商业化，关于其诊断效能还需更多数据证实。近年来基于人工智能算法的深度机器学习（machine learning，ML）软件操作简便并能够快速获取FFR_CT值，利于临床推广应用^[9]。

2.   FFRCT的可行性

目前已有３项前瞻性、多中心临床研究，以有创FFR为参考标准来评估FFR_CT的诊断效能。这3项研究表明，FFR_CT与有创FFR有很好的相关性，与CCTA相比，FFR_CT的诊断效能更好，其特异度和阳性预测值显著提高，但灵敏度与CCTA相当^[7,10-11]。国内基于新型3D-CFD的多中心研究显示，其诊断灵敏度和特异度分别为89％ 和91％^[12]。基于降维CFD的研究显示，在血管水平，CCTA联合FFR_CT可提高诊断准确性，且与单独CCTA相比较，FFR_CT的灵敏度相当，但特异度显著提高^[13]。基于机器学习的研究显示，无论是血管水平还是患者水平，FFR_CT的诊断准确性均优于CCTA，且诊断结果与基于CFD的FFR_CT有强相关性^[13-14]。

基于这些结果，FFR_CT已被批准用于临床，作为疑似稳定CAD患者的其他替代检查方案。

3.   FFRCT的临床应用

3.1   在诊断冠状动脉病变中的应用

尽管大多数评估FFR_CT诊断效能的研究都是在稳定性胸痛患者中进行的，但近年来报道了FFR_CT在急性胸痛患者中的使用情况^[15]。该研究将受试的急性胸痛患者全部行CCTA检查，筛选出冠状动脉狭窄程度≥50％ 或＞25％ 伴高危斑块的患者，随机分为CCTA组和FFR_CT组。研究发现，FFR_CT处理算法的时间由12.6 h下降至2.5 h，且随诊90天发现两组在主要不良心血管事件（major adverse cardiovascular event，MACE）的发生率和医疗费用方面没有差异。同时FFR_CT阴性患者血运重建率有所下降，并没有发生误诊及死亡，但推迟血运重建的安全性还需要进一步验证。本研究表明急诊FFR_CT的使用是可行的，但其安全性还需要进行大样本的研究。

急性冠状动脉综合征等严重疾病往往由冠状动脉罪犯斑块破裂所致，因此识别与不良结局相关的罪犯斑块特征^[16]（如正性重构、低密度斑块、血管周围脂肪等），对减少MACE的发生具有重要意义。FFR_CT与其他参数（如壁剪切应力和轴向斑块应力）相结合，可在病变、血管和患者水平上进行风险分级和指导治疗。一项研究证实^[17]，与非罪犯斑块相比，罪犯斑块的高危斑块特征较多、FFR_CT值较低、FFR_CT差值较高且壁剪切应力和轴向斑块应力较高。由此得知FFR_CT检查对于早期甄别及干预潜在罪犯斑块尤为重要，突出了其临床应用价值。

3.2   在指导冠心病患者后续治疗策略中的应用

FFR_CT为患者选择正确的治疗方式。Otake等^[18]收集了1例右冠状动脉（right coronary，RCA）弥漫性狭窄伴左前降（left anterior descending，LAD）和左旋支（left circumflex，LCX）局部明显狭窄患者。由于LAD和LCX病变相对局限，所以选择了支架置入术。但血管造影显示整个RCA弥漫性中度狭窄，没有明显的局灶性病变。FFR_CT显示颜色从蓝色逐渐变为红色，表明整个血管的压力逐渐下降，简单支架置入并不能缓解其缺血现象，因此对RCA病变选择了最佳药物治疗。通过应用FFR_CT，医生可准确识别患者的疾病类型，为后续治疗做出最佳决策。

FFR_CT科学判断患者是否需要手术治疗。PLATFORM试验发现^[19]，在计划行有创性冠状动脉造影（invasive coronary angiography，ICA）组中，FFR_CT指导组无梗阻性CAD患者有24例（12％），较常规护理组137例（73％）明显减少，且FFR_CT指导组有61％ 患者最终取消了ICA，在90天内无MACE发生。Nørgaard等^[20]对189例患者行FFR_CT检查，经过1年随访，FFR_CT＞0.80的推迟ICA患者中无1例发生MACE。基于上述研究结果可知，FFR_CT可以认为是ICA的“守门人”，避免患者过度治疗的同时节省医疗资源。

FFR_CT计划和模拟冠状动脉介入治疗，并能预测血运重建的效益。在一项包含44名患者的单中心研究中^[21]，研究者利用FFR_CT虚拟模拟运算模式来预测冠状动脉虚拟支架置入后的血流动力学改变。对实际进行支架置入的病变行FFR测量，结果发现其与虚拟预测的FFR_CT有很好的一致性，且FFR_CT预测支架术后病变特异性缺血的准确率为96％。这种虚拟技术不仅能够确定靶病变和最佳支架尺寸，还有助于规划和评估介入治疗策略，降低患者的医疗风险。

3.3   在冠心病患者预后评估中的应用

NXT研究发现^[22]，在206名平均随访时间4.7年的受试者中，FFR_CT＜0.80的患者预后较差，FFR_CT值是不良预后的独立预测因子。ADVANCE试验证明^[23]，FFR_CT值越低MACE发生率越高。FFR_CT与不同测量指标结合可提高预测MACE的能力^[24]，如FFR_CT＜0.80及斑块特性、CCTA冠状动脉狭窄程度＞60.5％ 预测MACE曲线下面积高达0.821。上述研究表明FFR_CT对患者的短期和长期临床预后有良好的预测作用。

3.4   在其他病变中的应用

FFR_CT还可用于其他疾病的研究，如心肌桥、重度主动脉瓣狭窄等。研究发现^[25]，无论是浅表型还是纵深型心肌桥患者都会导致其远端FFR_CT值降低，心肌桥的长度和收缩期狭窄程度是FFR_CT异常的主要预测因子，且FFR_CT值异常的心肌桥患者典型心绞痛患病率更高，加深了我们对心肌桥疾病的认识。

FFR_CT还可用到主动脉瓣严重狭窄患者的研究中。大约25％～50％ 的主动脉瓣严重狭窄患者同时伴有CAD，Michail等^[26]首次验证了FFR_CT在主动脉瓣严重狭窄患者中的应用是安全、有效的，但结果还需在更大规模的多中心试验中进行证实。

4.   FFR_CT面临的挑战

4.1   图像质量

FFR_CT依赖于高质量的CCTA图像，在临床研究中，有相当大比例的患者图像不能进行FFR_CT评估。在NXT^[10]和PLATFORM^[19]研究中大约13％ 的病例不能进行FFR_CT分析，而后来的ADVANCE研究中注册队列和临床队列分别仅有约3％ 和8％ 的数据不能使用，这可能与双源技术的普及应用及FFR_CT算法的改进有关^[27]。

图像质量不佳的主要原因是运动伪影^[27]，因此应采用心血管CT指南的CCTA扫描方式采集图像，以确保FFR_CT结果的准确、可靠^[28]。在DeFACTO试验中，给心率过快患者使用β受体阻滞剂和硝酸甘油可提高 FFR_CT的特异度^[18]。还有一些伪影会降低FFR_CT的灵敏度和总体准确性^[16]，这些伪影可通过调节患者心率等方法得以改善。在使用FFR_CT之前需了解这些情况，以确保数据采集最优化。

4.2   冠状动脉钙化

对于CFD分析，钙化可能使冠状动脉管腔及边界变模糊。钙化积分（agatston score，AS）越高，管腔被遮挡的可能性就越大。在NXT亚组研究中显示，随着AS的增高，FFR_CT的诊断准确性并没有显著变化^[16]。

然而现实中AS非常高的患者很少见，这项研究可能没有足够的病例数来检测出不同AS之间显著的差异，因此，目前还需大量研究证实冠状动脉钙化程度较重患者的FFR_CT诊断准确性。

4.3   FFR_CT值的解释

在介入心脏病学中，冠状动脉病变有明确的临界值，FFR≤0.80的病变应进行冠状动脉血运重建，FFR＞0.80的病变建议药物治疗^[29-30]，FFR值在0.75～0.80范围内为“灰色区域”，如何治疗需基于患者的总体情况^[4]。

最近的meta分析显示，FFR_CT值在＞0.82和≤0.74时与FFR有很好的一致性，但在灰色区域的一致性较差^[31]，大多数FFR_CT对病情的错误分类就发生在此区域。因此在“灰色区域”的患者应结合更多临床信息或其他检查来决定后续治疗策略。

4.4   其他局限性

①适用人群有限。到目前为止，在FFR_CT试验中，排除标准包括新发心肌梗死、支架置入或冠状动脉旁路手术、有β阻滞剂禁忌症、急性冠状动脉综合征、严重心律失常等患者，其在微血管疾病（糖尿病、高血压）患者中的准确性也尚未得到证实^[18]，FFR_CT在这些患者中的应用待进一步核实；此外，FFR_CT涉及造影剂的使用，不适用于慢性肾脏疾病患者^[32]。②部分软件计算时间较长，例如HeartFlow-FFR_CT分析软件需1～4 h得到结果，不适合在急诊科等紧急情况下使用^[14]。

5.   小结

综上所述，FFR_CT作为一种对冠状动脉病变进行解剖学和功能学一站式评估的无创检查，已证实与FFR有良好的一致性，并显示出很高的诊断准确性。FFR_CT不仅是CCTA的重要辅助手段，在指导临床治疗决策等方面的作用也逐渐得到了肯定。

相信随着CT技术和计算机设备的不断更新，FFR_CT将会在冠状动脉疾病诊疗方面发挥越来越大的作用，造福越来越多的患者。