基于深度学习自动量化TIMI心肌灌注帧计数（DL-TMPFC）：一种快速评估微血管功能障碍的新框架
冠状动脉微血管功能障碍（CMVD）影响约40%-60%的缺血但无阻塞性冠脉患者，但诊断依赖于侵入性功能测试或主观的TIMI血流分级。TIMI心肌灌注帧计数（TMPFC）提供客观、基于血管造影的定量指标，但手动计算繁琐且验证不足。本研究开发并验证了深度学习驱动的TMPFC计算（DL-TMPFC），在655名患者队列中（来自三个独立机构）显示出与专家手动测量极好的一致性（偏差：-0.93帧；95%一致性界限：-5.33至+3.47；r=0.98）。DL-TMPFC通过完全自动化TMPFC并消除观察者依赖性，显著增强了临床可行性，并能准确识别全谱冠脉病变中的CMVD，实现连续严重程度定量和风险分层。
文章情报
要点
- DL-TMPFC框架由狭窄检测网络和区域感知分割网络组成，自动从血管造影序列确定起始和结束帧。
- 在655例患者中验证，与专家手动测量具有高度一致性（r=0.98）。
- 该工具提供即时诊断信息，有助于CMVD的及时识别和管理。
为什么重要
这条新闻值得关注，因为DL-TMPFC框架由狭窄检测网络和区域感知分割网络组成，自动从血管造影序列确定起始和结束帧。
技术影响
可能影响 Agent 架构、工具调用、工作流自动化和产品集成。
冠状动脉微血管功能障碍（CMVD）是一种常见但诊断困难的心血管疾病，影响约40%至60%的缺血但非阻塞性冠状动脉患者。目前诊断依赖于侵入性功能测试或主观的TIMI血流分级，限制了临床实践中的广泛应用。TIMI心肌灌注帧计数（TMPFC）为CMVD提供了一种客观、基于血管造影的定量评估方法，但手工计算耗时且可重复性差。最新发表于arXiv的这项研究提出了深度学习驱动的TMPFC自动计算框架（DL-TMPFC）。该框架由两个核心组件构成：首先，一个狭窄检测网络用于排除阻塞性冠状动脉疾病；其次，一个区域感知分割网络识别心肌灌注区域，并通过TMPFC计算模块自动从血管造影序列中确定起始帧和结束帧。研究团队在来自三个独立医疗机构的655例患者队列中验证了DL-TMPFC的性能，包括445例阻塞性CAD、100例确诊CMVD和110例对照组。结果显示，DL-TMPFC与专家手动测量具有极好的一致性（偏差-0.93帧，95%一致性界限-5.33至+3.47，相关系数0.98）。该工具完全自动化TMPFC计算，消除了观察者依赖性，大幅提升了临床实用性。重要的是，DL-TMPFC能够准确识别全谱冠脉病变中的CMVD，并提供超越二元分类的连续严重程度量化，从而实现定量的风险分层。通过常规血管造影即可自动、标准化地测量CMVD，该工具可为临床医生提供即时诊断信息，有助于CMVD的早期识别和及时干预。研究团队表示，DL-TMPFC有望整合到临床工作流程中，改善CMVD患者的诊断和管理。此外，该工具的开发标志着人工智能在心血管影像分析领域的重要进展，为微血管疾病的客观评估开辟了新途径。未来的研究将进一步探索其在多中心临床环境中的应用效果，以及与其他诊断手段的协同作用。