Гогниева Дарья Геннадиевна — аспирант, ассистент кафедры профилактической и неотложной кардиологии лечебного факультета
Москва
Гамилов Тимур Мударисович— 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
Москва
Василевский Юрий Викторович — доктор физико-математических наук, профессор, член-корр. РАН, руководитель лаборатории математического моделирования в биомедицине
Москва
Симаков Сергей Сергеевич— кандидат физико-математических наук, старший научный сотрудник лаборатории математического моделирования в биомедицине
Москва
Лианг Фию — доктор философии, старший научный сотрудник лаборатории математического моделирования в биомедицине, доцент, научный сотрудник международного объединённого исследовательского центра
Факультет: Школа морской архитектуры, океана и гражданского строительства
Шанхай
Терновой Сергей Константинович — доктор медицинских наук, профессор, академик РАН, заведующий кафедрой лучевой диагностики и терапии, руководитель отдела томографии института кардиологии им. А. Л. Мясникова РКНПК, главный специалист по лучевой диагностике ГМУ Управления делами Президента РФ
Москва
Серова НатальяСергеевна — доктор медицинских наук, член-корреспондент РАН, профессор кафедры лучевой диагностики и лучевой терапии лечебного факультета, директор Института электронного медицинского образования
Москва
Тебенькова Екатерина Сергеевна — кандидат медицинских наук, доцент кафедры лучевой диагностики и лучевой терапии лечебного факультета
Москва
Синицын Валентин Евгеньевич — доктор медицинских наук, профессор, заведующий кафедрой лучевой диагностики Факультета Фундаментальной Медицины
Москва
Першина Екатерина Сергеевна — руководитель Центра лучевой диагностики
Москва
Абугов Сергей Александрович — доктор медицинских наук, профессор, заведующий кафедрой рентгенэндоваскулярных диагностики и лечения
Москва
Марданян Гайк Ваникович — кандидат медицинских наук, сарший научный сотрудник отделения рентгенохирургических (рентгенэндоваскулярных) методов диагностики и лечения
Москва
Закрян Нарек Варданович — доктор медицинских наук, научный руководитель по сердечно-сосудистой хирургии, руководитель отделения Рентгенохирургических методов диагностики и лечения
Москва
Киракосян Вардан Рафикович— врач-кардиолог, рентгенэндоваскулярный хирург отделения Рентгенохирургических методов диагностики и лечения
Москва
Бетелин Владимир Борисович — доктор физико-математических наук, профессор, академик РАН, научный руководитель
Москва
Митина Юлия Олеговна — научный сотрудник автономной некоммерческой образовательной организации высшего образования
Москва
Губина Анастасия Юрьевна — ординатор кафедры профилактической и неотложной кардиологии лечебного факультета
Москва
Щекочихин Дмитрий Юрьевич — кандидат медицинских наук, доцент кафедры профилактической и неотложной кардиологии лечебного факультета
Москва
Сыркин Абрам Львович — доктор медицинских наук, профессор, заведующий кафедрой профилактической и неотложной кардиологии лечебного факультета
Москва
Копылов Филипп Юрьевич— доктор медицинских наук, профессор кафедры профилактической и неотложной кардиологии лечебного факультета, директор института персонализированной медицины научно-технологического парка биомедицины
Москва
Цель. Оценка диагностической точности методики неинвазивного определения фракционного резерва кровотока (ФРК) путем построения одномерной гемодинамической модели на основании данных компьютерной томографии коронарных артерий (КТ-КА).
Материал и методы. В исследование было включено 57 пациентов: 16 пациентам КТ-КА выполнялась на 64-срезовом томографе — включены ретроспективно, 41 пациент — проспективно, им КТ-КА выполнялась на 640-срезовом томографе. Полученные КТ-изображения были обработаны специалистами лаборатории математического моделирования, рассчитывались значения неинвазивного ФРК. Ишемия подтверждалась при ФРК <0,80 и исключалась при ФРК ≥0,80. Далее, пациенты проспективной группы госпитализировались с целью инвазивного измерения ФРК в качестве референсного стандарта, при подтверждении наличия ишемии имплантировался стент. Пациенты ретроспективной группы исходно имели данные о показателе инвазивного ФРК. Статистический анализ выполнялся с использованием пакетов языка программирования R (cran-r.project.org). Непрерывные переменные представлены в виде средних значений ± стандартные отклонения, порядковые переменные представлены в виде медиан с межквартильными диапазонами в круглых скобках. Для оценки нормальности распределения был использован обобщенный тест Д’Агостино-Пирсона, построен КК-график. Для сравнения методик проведен анализ по Бланду-Альтману и ROC-анализ. Для оценки степени корреляции использовался критерий Пирсона.
Результаты. В ходе обработки данных из исследования были исключены 3 пациента ретроспективной группы и 34 — проспективной группы. Чувствительность методики составила 90,91% (95% ДИ; 58,72-99,77), специфичность — 86,67% (95% ДИ; 59,54-98,34), P<0,05, точность — 88,46 (95% ДИ; 69,85-97,55) — при анализе по сосудам. Для анализа по пациентам чувствительность составила 91,67% (95% ДИ; 61,52-99,79), специфичность — 80% (95% ДИ; 28,36-99,49), (P<0,05); точность 88,24 (95% ДИ; 63,56-98,54).
Заключение. Методика имеет достаточно высокий уровень точности и может быть использована в клинической практике с целью повышения диагностической эффективности КТ-КА.
Aim. To evaluate the diagnostic accuracy of a noninvasive method of fractional flow reserve (FFR) assessment based on a one-dimensional hemodynamic model build on data obtained from the coronary computed tomography angiography (CCTA).
Material and methods. The study enrolled 57 patients: 16 of them underwent 64-slice computed tomography — included retrospectively, 34 — prospectively, with a 640-slice CT scan. Specialists from the Laboratory of Mathematical Modeling processed CT images and evaluated noninvasive FFR. Ischemia was confirmed if FFR <0,80 and disproved if FFR ≥0,80. After that the prospective group of patients was hospitalized for invasive FFR assessment as a reference standard; if ischemia was proved, patients underwent stent implantation. In the retrospective group, patients already had invasive FFR values estimated. Statistical analysis was performed using R programming language packages (cran-r.project.com). Continuous variables are presented as mean values ± standard deviations, order variables are presented as medians with interquartile ranges in parentheses. We used the D’Agostino-Pearson omnibus test for the assessment of normality of distribution; a Q-Q Plot was also constructed. We performed the Bland-Altman analysis and ROC-analysis for comparison of these two methods, and the Pearson’s chi-squared to assess the degree of correlation.
Results. During data processing, 3 patients of the retrospective and 34 patients of the prospective group were excluded from the study. The sensitivity of our method was 90,91% (95% CI; 58,72-99,77), specificity — 86,67% (95% CI; 59,54-98,34), P<0,05, accuracy — 88,46 (95% CI; 69,85-97,55) — in per-vessel analysis. In perpatient analysis, the sensitivity was 91,67% (95% CI; 61,52-99,79), specificity — 80% (95% CI; 28,36-99,49), (P<0,05); accuracy 88,24 (95% CI; 63,56-98,54).
Conclusion. Our method has quite a high accuracy and can be successfully used in clinical practice in order to enhance the diagnostic efficiency of the CCTA.
The authors declare that there are no conflicts of interest present.