基於深度學習自動量化TIMI心肌灌注幀計數（DL-TMPFC）：一種快速評估微血管功能障礙的新框架
冠狀動脈微血管功能障礙（CMVD）影響約40%-60%的缺血但無阻塞性冠脈患者，但診斷依賴於侵入性功能測試或主觀的TIMI血流分級。TIMI心肌灌注幀計數（TMPFC）提供客觀、基於血管造影的定量指標，但手動計算繁瑣且驗證不足。本研究開發並驗證了深度學習驅動的TMPFC計算（DL-TMPFC），在655名患者佇列中（來自三個獨立機構）顯示出與專家手動測量極好的一致性（偏差：-0.93幀；95%一致性界限：-5.33至+3.47；r=0.98）。DL-TMPFC透過完全自動化TMPFC並消除觀察者依賴性，顯著增強了臨床可行性，並能準確識別全譜冠脈病變中的CMVD，實現連續嚴重程度定量和風險分層。
文章情報
要點
- DL-TMPFC框架由狹窄檢測網路和區域感知分割網路組成，自動從血管造影序列確定起始和結束幀。
- 在655例患者中驗證，與專家手動測量具有高度一致性（r=0.98）。
- 該工具提供即時診斷資訊，有助於CMVD的及時識別和管理。
為什麼重要
這條新聞值得關注，因為DL-TMPFC框架由狹窄檢測網路和區域感知分割網路組成，自動從血管造影序列確定起始和結束幀。
技術影響
可能影響 Agent 架構、工具呼叫、工作流自動化和產品整合。
冠狀動脈微血管功能障礙（CMVD）是一種常見但診斷困難的心血管疾病，影響約40%至60%的缺血但非阻塞性冠狀動脈患者。目前診斷依賴於侵入性功能測試或主觀的TIMI血流分級，限制了臨床實踐中的廣泛應用。TIMI心肌灌注幀計數（TMPFC）為CMVD提供了一種客觀、基於血管造影的定量評估方法，但手工計算耗時且可重複性差。最新發表於arXiv的這項研究提出了深度學習驅動的TMPFC自動計算框架（DL-TMPFC）。該框架由兩個核心元件構成：首先，一個狹窄檢測網路用於排除阻塞性冠狀動脈疾病；其次，一個區域感知分割網路識別心肌灌注區域，並透過TMPFC計算模組自動從血管造影序列中確定起始幀和結束幀。研究團隊在來自三個獨立醫療機構的655例患者佇列中驗證了DL-TMPFC的效能，包括445例阻塞性CAD、100例確診CMVD和110例對照組。結果顯示，DL-TMPFC與專家手動測量具有極好的一致性（偏差-0.93幀，95%一致性界限-5.33至+3.47，相關係數0.98）。該工具完全自動化TMPFC計算，消除了觀察者依賴性，大幅提升了臨床實用性。重要的是，DL-TMPFC能夠準確識別全譜冠脈病變中的CMVD，並提供超越二元分類的連續嚴重程度量化，從而實現定量的風險分層。透過常規血管造影即可自動、標準化地測量CMVD，該工具可為臨床醫生提供即時診斷資訊，有助於CMVD的早期識別和及時干預。研究團隊表示，DL-TMPFC有望整合到臨床工作流程中，改善CMVD患者的診斷和管理。此外，該工具的開發標誌著人工智慧在心血管影像分析領域的重要進展，為微血管疾病的客觀評估開闢了新途徑。未來的研究將進一步探索其在多中心臨床環境中的應用效果，以及與其他診斷手段的協同作用。