Comparison of invasively measured FFR with FFR derived from coronary CT angiography for detection of lesion-specific ischemia: Results from a PC-based prototype algorithm

Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial

“…Em linha com o demonstrado por Rother et al, 11 retrospectivamente em coorte com 71 pacientes e utilizando a mesma versão de software desse estudo (cFFR versão 3.0), 11 a FFR TC apresentou considerável concordância com a medida de FFRi, com mínima superestimação. Esses resultados estão em desencontro com versões anteriores desse mesmo software (cFFR versão 1.4), [16][17][18][19] em que uma subestimação foi descrita, e provavelmente reflete mudanças do algoritmo com a atualização do software.…”

“…Durante o pós-processamento das imagens, não houve exclusão de pacientes por impossibilidade técnica de o software realizar a quantificação da FFR TC. Ressalta-se que as recomendações do fabricante com relação a lesões de TCE, óstios ou bifurcações têm sido seguidas também por outros autores, 11 e parecem estar relacionadas ao reconhecimento limitado das bordas anatômicas nesses cenários. Esse estudo foi aprovado pelo Comitê de Ética em Pesquisa do Hospital Sírio-Libanês.…”

“…[8][9][10] A grande restrição do uso da FFR TC na prática clínica têm sido sua baixa disponibilidade, especialmente devido à necessidade de software específico que requeria supercomputadores em grandes centros internacionais, encarecendo e prolongando substancialmente o processo. 8 Recentemente, um protótipo não comercial de software (disponível para computadores pessoais de configuração-padrão) que utiliza ferramentas de inteligência artificial -rede neural convolucional (deep learning) -para avaliação da FFR TC foi testado por Rother et al, 11 Quando comparado com FFRi, a FFR TC calculada por esse software demonstrou elevada acurácia para detecção de isquemia, com significativa redução no tempo de execução do seu cálculo quando comparado com modelos já existentes que utilizam supercomputadores. 8 Deve-se ressaltar, contudo, que este trabalho utilizou apenas imagens de um tomógrafo de última geração (Siemens Somatom Force -384 cortes).…”

Coronary Computed Tomography Angiography-Derived Fractional Flow Reserve in Patients with Anomalous Origin of the Right Coronary Artery from the Left Coronary Sinus

“…In this study, we applied a machine learning-based noninvasive CT-FFR tool in patients with R-ACAOS with an interarterial course to explore the relationship of intracoronary pressures with anatomical features on CCTA and its clinical relevance. The diagnostic performance of this machine learning-based CT-FFR algorithm has been previously investigated and compared to invasive FFR, showing sensitivities and specificities of 85% and 85% by Renker et al (29), 91% and 96% by Röther et al (17) and 81.6% and 83.9% by Itu et al (26) for detecting lesionspecific ischemia. One recent study by Tesche et al (18) indicated that this machine learning-based CT-FFR algorithm performs as well as the computational fluid dynamics based approach in detecting lesion-specific ischemia.…”

“…Invasive measurement of fractional flow reserve (FFR), the reference standard method to determine lesion-specific ischemia, was used to guide therapy of R-ACAOS patients in some cohort studies (10)(11)(12)(13)(14), but this method has seen limited clinical adoption due to its invasive nature and high cost. Recently, FFR derived from computed tomographic angiography (CT-FFR) has been developed based on computational fluid dynamics modeling or deep machine learning algorithms (15)(16)(17)(18), and it has been used for noninvasively assessing lesion-specific ischemia and guiding revascularization and treatment strategies in patients with stable coronary artery disease (15). Two recent case reports have described severe inducible ischemia by using CT-FFR in R-ACAOS patients with an interarterial course that was confirmed by invasive FFR (19)(20).…”