李晨光教授團隊重磅研究：AI輔助μQFR為心肌橋缺血提供精準無創評估 | Cardiology Plus

心肌橋（MB）是一種常見的先天性冠脈異常，可引發心肌缺血等。冠脈狹窄功能性評價的公認指標——血流儲備分數（FFR），因其操作復雜性及在心肌橋動態壓迫特性下可能產生的測量變異，在評估 MB 時存在局限與爭議，亟需更便捷、穩定的評估手段。

Cardiology Plus 第三期發表了來自復旦大學附屬中山醫院李晨光教授團隊的一項回顧性隊列研究，系統性地驗證了人工智能（AI）輔助的基于造影的定量血流分數（μQFR）在不同心動周期中對心肌橋缺血的診斷性能，為這一臨床難點提供了一種創新評估方案。

研究方法：AI 驅動的 μQFR 分析

研究回顧性納入了 2018 年于復旦大學附屬中山醫院接受冠狀動脈造影和 FFR 檢測的 118 例連續就診的心肌橋患者。

在 118 條血管中，91 條血管 FFR >0.80，27 條血管 FFR ≤0.80。大多數患者為男性（74.6%），41 名患者（34.7%）為現吸煙或曾吸煙者。臨床表現方面，57 名患者（48.3%）為不穩定型心絞痛，46 名患者（39.0%）為穩定性冠心病，所有 MB 均位于 LAD 動脈。

表1. 基線特征

本研究的核心創新在于利用 AI 算法，基于不同的關鍵幀選擇計算了三種 μQFR（基于 Murray 定律的定量血流比），與 FFR 進行頭對頭比較：

• 收縮期 μQFR（sys-μQFR）：基于收縮期幀圖像。

• 舒張期 μQFR（dias-μQFR）：基于舒張期幀圖像。

• 基于形變的 μQFR（D-μQFR）：通過分析收縮期擠壓段在整個心動周期（4幀）內的管腔變形計算。

研究以有創 FFR≤0.80 為缺血標準，全面評估上述方法的診斷性能。

圖1. 心肌橋的 FFR 與 μQFR 動態評估案例展示

核心結果：D-μQFR 展現最優診斷性能

診斷性能比較顯示，D-μQFR 綜合表現最佳：

• 診斷準確率最高：達到92%，顯著高于 sys-μQFR（79%）和 dias-μQFR（86%）。

• 鑒別能力最強：其受試者工作特征曲線下面積（AUC）為 0.94，優于其他兩種方法。

• 敏感性與特異性特點：sys-μQFR 敏感性極高（96%），而 dias-μQFR 特異性極強（100%），D-μQFR 則在兩者間取得了最佳平衡（敏感性67%，特異性99%）。

圖2. 三種 μQFR 方法診斷性能的比較

臨床意義：邁向無創精準評估的新路徑

本研究為心肌橋的功能評估提供了重要啟示：

• 實現高效無創評估：AI-μQFR 僅需常規造影圖像，無需壓力導絲和額外藥物負荷，即可實現快速、準確的功能學評估，臨床操作性更強。

• 明確不同算法價值：D-μQFR 因整合了整個心臟周期的形變信息，最能反映心肌橋的動態病理生理，診斷準確性最高。sys-μQFR 高敏感、dias-μQFR 高特異的特點，為臨床提供互補的診斷策略。

• 奠定技術應用基礎：該研究證實了計算冠脈生理學在心肌橋這一復雜場景中的可靠性，為未來將其整合于常規診療流程、實現更廣泛的冠脈疾病無創功能評估奠定了循證基礎。

總結與展望

本研究成功將人工智能與計算流體動力學相結合，突破了心肌橋傳統功能評估的瓶頸。μQFR 作為一種新穎、無創且高度準確的工具，有望重塑心肌橋的臨床評估范式，推動冠脈疾病診斷向更精準、更便捷、更友好的方向發展。

引用本文：Wang, Jingpu1,2,3,4,5; Gutiérrez-Chico, Juan Luis6; Hu, Fukang7; Zeng, Xiaoling8; Chang, Yunxiao9; Ding, Daixin7; Liu, Lili6; Pei, Zhiqiang1,2,3,4,5; Wu, Yizhe1,2,3,4,5; Shen, Li1,2,3,4,5; Chen, Lianglong8; Tu, Shengxian7,*; Li, Chenguang1,2,3,4,5,*. Diagnostic accuracy of angiographic quantitative flow ratio across cardiac phases in patients with myocardial bridge: a retrospective cohort study. Cardiology Plus 10(3):p 183-191, July-September 2025.

DOI: 10.1097/CP9.0000000000000128

歡迎掃碼獲取期刊更多信息