Гогниева Дарья Геннадиевна — аспирант, ассистент кафедры профилактической и неотложной кардиологии лечебного факультета
Москва, Тел.: +7 (969) 021-48-47
Moscow
Першина Екатерина Сергеевна — руководитель Центра лучевой диагностики
Moscow
Митина Юлия Юлия - научный сотрудник.
Москва
Moscow
Гамилов Тимур Мударисович — кандидат физико-математических наук, старший научный сотрудник лаборатории математического моделирования в биомедицине, старший преподаватель кафедры высшей математики, механики и математического моделирования.
Москва
Прямоносов Роман Александрович - младший научный сотрудник лаборатории математического моделирования в биомедицине, аспирант
Гогиберидзе Нана Автандиловна — аспирант кафедры кардиологии, функциональной и ультразвуковой диагностики Института клинической медицины.
Москва
Рожков Андрей Николаевич — соискатель кафедры кардиологии, функциональной и ультразвуковой диагностики Института клинической медицины.
Василевский Юрий Викторович — доктор физико-математических наук, профессор, член-корр. РАН, руководитель лаборатории математического моделирования в биомедицине
Лианг Фию — доктор философии, старший научный сотрудник лаборатории математического моделирования в биомедицине, доцент, научный сотрудник Международного объединенного исследовательского центра.
Москва, Шанхай
Moscow, Shanghai
Синицын Валентин Евгеньевич — доктор медицинских наук, профессор, заведующий кафедрой лучевой диагностики Факультета Фундаментальной Медицины
Бетелин Владимир Борисович — доктор физико-математических наук, профессор, академик РАН, научный руководитель.
Москва
Moscow
Щекочихин Дмитрий Юрьевич — кандидат медицинских наук, доцент кафедры кардиологии, функциональной и ультразвуковой диагностики Института клинической медицины.
Москва
Сыркин Абрам Львович — доктор медицинских наук, профессор, заведующий кафедрой кардиологии, функциональной и ультразвуковой диагностики Института клинической медицины
Копылов Филипп Юрьевич — доктор медицинских наук, профессор кафедры кардиологии, функциональной и ультразвуковой диагностики Института клинической медицины, директор Института персонализированной медицины Научно-технологического парка биомедицины
Цель. В сравнении оценить показатели диагностической эффективности одномерного (1-D) и трехмерного (3-D) алгоритмов неинвазивного расчета фракционного резерва коронарного кровотока (ФРК) на основании результатов компьютерной томографии (КТ) коронарных артерий (КА).
Материал и методы. Выполнен ретроспективный анализ результатов КТ КА 13 пациентов (9 муж.), средний возраст 61,07±9,73 лет, для которых в оригинальной работе был рассчитан ФРК с использованием показателей КТ КА по 3-D алгоритму HeartFlow® компании HeartFlow, Inc. (Калифорния, США) с последующим проведением катетерного измерения ФРК в качестве референсного стандарта. Произведен расчет показателя ФРК с помощью 1-D алгоритма лаборатории математического моделирования в биомедицине Сеченовского Университета. Выполнено сравнение показателей, характеризующих диагностическую точность методики.
Результаты. При анализе по сосудам чувствительность и специфичность 3-D алгоритма составили: 90,91% (95% доверительный интервал (ДИ): 62,26-99,53), и 20% (95% ДИ: 0,01026-62,46), p>0,9999; при анализе по пациентам: 90% (95% ДИ: 59,58-99,49) и 0% (95% ДИ: 0-56,15), p>0,9999, соответственно; площадь под ROC-кривой: 93,75% (95% ДИ: 80,26-100), p=2,0431e-10 Для 1-D алгоритма данные показатели при анализе по пациентам: 88,89% (95% ДИ: 56,50-99,43) и 25% (95% ДИ: 0,01282-69,94), p>0,9999, соответственно. При анализе по сосудам: 100% (95% ДИ: 72,25100) и 33,33% (95% ДИ: 0,05923-70), p=0,1250, соответственно.
Площадь под ROC-кривой составила 84,54% (95% ДИ: 63,93-100), p=0,001. Коэффициент корреляции Спирмена между 3-D и 1-D алгоритмами: 0,7326 (95% ДИ: 0,3581-0,9041), p=0,0017.
Заключение. Несмотря на то, что были получены более низкие показатели площади под ROC-кривой, чувствительность и специфичность тестируемого метода, а также коэффициент корреляции между 3-D и 1-D моделями оказались достаточно высокими. Однако для получения более достоверных результатов необходимо выполнение исследования с большей статистической мощностью.
Aim. Comparative analysis of the diagnostic effectiveness of onedimensional (1-D) and three-dimensional (3-D) non-invasive methods for coronary fractional flow reserve (FFR) assessment based on the coronary computed tomography angiography (CCTA).
Material and methods. We carried out a retrospective analysis of CCTA data for 13 patients (men — 9, mean age — 61,07±9,73). In the original research, coronary FFR of those patients was evaluated using the original 3-D HeartFlow® Analysis followed by a standard invasive FFR assessment. We estimated coronary FFR using the 1-D algorithm of the Laboratory of Mathematical Modeling (Sechenov University) and compared the diagnostic effectiveness of these methods.
Results. In per-vessel analysis, the sensitivity and specificity of the 3-D approach were 90,91% (95% confidence interval (CI) 62,26-99,53) and 20% (95% CI 0,01026-62,46, p>0,9999), respectively; in per-patient analysis — 90% (95% CI 59,58-99,49) and 0% (95% CI 0-56,15, p>0,9999), respectively; area under the ROC curve was 93,75% (95% CI 80,26-100), p=2,0431e-10. For the 1-D approach, the same parameters in per-patient analysis were 88,89 % (95% CI 56,50-99,43) and 25% (95% CI 0,01282-69,94, p>0,9999), respectively; in per-vessel analysis — 100% (95% CI 72,25-100) and 33,33% (95% CI 0,05923-70, p=0,1250), respectively; area under the ROC curve was 84,54% (95% CI 63,93-100), p=0,001. Spearman’s rank correlation coefficient between the 3-D and 1-D techniques was 0,7326 (95% CI 0,35810,9041), p=0,0017.
Conclusion. Although we have obtained lower values of area under the ROC curve, the sensitivity and specificity of experimental approach, as well as the correlation coefficient between models were rather high. However, further studies with higher statistical power are required.
The authors declare that there are no conflicts of interest present.