Сравнение диагностической эффективности методик неинвазивного расчета фракционного резерва кровотока, основанных на построении одномерной и трехмерной математических моделей

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.

1. Tonino РА, De Bruyne В, Pijls NH, et al. Fractional flow reserve versus angiograрhy for guiding percutaneous coronary intervention. N Engl J Med. 2009;360:213-24. doi: 10.1056/NEJMoa0807611.

2. Pijls NH, Fearon WF, Tonino РА, et al. Fractional flow reserve versus angiography for guiding percutaneous coronary intervention in patients with multivessel coronary artery disease: 2-year followup of the FAME (Fractional Flow Reserve Versus Angiography for Multivessel Evaluation) study. JACC. 2010;56(3):177-84. doi:10.1016/j.jacc.2010.04.012.

3. van Nunen LX, Zimmermann FM, Tonino PA, et al. Fractional flow reserve versus angiography for guidance of PCI in patients with multivessel coronary artery disease (FAME): 5-year follow-up of a randomised controlled trial. Lancet. 2015;386(10006):1853-60. doi:10.1016/S0140-6736(15)00057-4.

4. Tonino PA. Angiographic versus functional severity of coronary artery stenosis in the FAME study fractional flow reserve versus angiography in multivessel evaluation. JACC. 2010;55:2816-2. doi:10.1016/j.jacc.2009.11.096.

5. Patel MR, Peterson ED, David D, et al. Low diagnostic yield of elective coronary angiography. N Engl J Med. 2010; 362:886-95. doi:10.1056/NEJMoa0907272.

6. De Bruyne B, Pijls NH, Kalesan B, et al. Fractional flow reserve-guided PCI versus medical therapy in stable coronary disease. N Engl J Med. 2012;367(11 ):991-1001. doi:10.1056/NEJMoa1205361.

7. Гогниева Д.Г., Сыркин А.Л., Василевский Ю.В. и дp. Неинвазивная оценка фракционного резерва коронарного кровотока с применением методики математического моделирования у пациентов с ишемической болезнью сердца. Кардиология. 2018;58(12):85-92. doi: 10.18087/cardio.2018.12.10164.

8. Danilov AA, Ivanov YuA, Pryamonosov RA, et а!. Methods of graph network reconstruction in personalized medicine. Int J Numer Meth Biomed Engng. 2015; e02754. Published online. http://onlinelibrary.wiley.com/enhanced/doi/10.1002/cnm.2754; doi:10.1002/cnm.2754.

9. Gamilov Т, Kopylov Ph, Simakov S. Computational simulations of fractional flow reserve variability. Numerical Mathematics and Advanced Applications — ENUMATH 2015 (Bulent Karasozen, Murat Manguoglu, Munevver Tezer-Sezgin, Serdar Goktepe, Omur Ugur eds.). Lecture Notes in Computational Science and Engineering, Springer 2016, pages 499-507

10. Gamilov TM, Kopylov PhYu, Pryamonosov RA, et ак Virtual fractional flow reserve assessment in patient-specific coronary networks by 1D hemodynamic model. Russian Journal of Numerical Analysis and Mathematical Modelling. 2015;30(5):269-76. doi: 10.1515/rnam-2015-0024.

11. Копылов Ф.Ю., Быкова A.A., Василевский Ю.В. и дp. Роль измерения фракционированного резерва кровотока при aтepocклepoзe коронарных артерий. Терапевтический архив. 2015;87(9):106-13. doi:10.17116/terarkh2015879106-113.

12. Першина E.C., Синицын B.E., Мершина E.A. и дp. Неинвазивная оценка фракционного резерва кровотока у пациентов с ишемической болезнью сердца по данным компьютерной томографии: первые результаты клинического применения. Сравнение с данными инвазивного измерения. Медицинская визуализация. 2018;(2):47-55. doi: 10.24835/1607-0763-2018-2-47-55.

13. Blanco PJ, Bulant CA, Muller LO, et al. Comparison of 1D and 3D Models for the Estimation of Fractional Flow Reserve. Medical Physics (physics.med-ph); Computational Engineering, Finance, and Science (cs.CE), arXiv:1805.11472 [physics.med-ph]. May 2018.