冠動脈微小血管機能障害（CMVD）は、虚血を有するが閉塞性冠動脈疾患を認めない患者の約40～60%に影響を及ぼすが、その診断は侵襲的機能検査や主観的なTIMI血流グレードに依存するため困難である。TIMI心筋灌流フレームカウント（TMPFC）は、血管造影に基づくCMVDの客観的定量的指標を提供するが、手動計算の煩雑さと検証不足が臨床応用の障壁となっている。
この課題に対処するため、Si LiらはDL-TMPFCフレームワークを提案した。これは深層学習を用いてTMPFCを完全自動計算するもので、2つのコンポーネントから構成される。まず、狭窄検出ネットワークが閉塞性冠動脈疾患（CAD）を除外する。次に、領域認識セグメンテーションネットワークが灌流領域を特定し、TMPFC計算モジュールが血管造影シーケンスから最初と最後のフレームを自動的に決定する。このプロセスは人手を介さず、臨床ワークフローに統合可能である。
フレームワークの有効性を検証するため、研究チームは3つの独立施設から655例の患者を登録した。内訳は閉塞性CAD 445例、CMVD確定100例、対照群110例である。その結果、DL-TMPFCは専門医の手動測定と極めて良好な一致を示した。バイアスは-0.93フレーム、95%限界一致範囲は-5.33～+3.47フレーム、相関係数は0.98であった。これは自動計算が正確であるだけでなく、観察者間の変動を排除することを示している。
臨床評価では、DL-TMPFCが冠動脈病変の全スペクトラムでCMVDを正確に識別し、二値分類にとどまらずCMVDの連続的な重症度を捉えることができた。この連続定量化によりリスク層別化が可能となり、臨床医がCMVD患者をより迅速に認識し管理するのに役立つ。
本研究はarXiv（2605.24012）に掲載され、コンピュータビジョンとパターン認識分野に属し、15ページ、図8点で構成されている。著者らは、DL-TMPFCが日常の血管造影から自動的、標準的、かつ正確なCMVD定量化を実現し、臨床現場に即時の診断情報を提供することで、CMVDの早期認識と治療意思決定の改善に貢献すると述べている。