Automatiseret algoritme, der detekterer fysiologisk større stenose og dens sammenhæng med post-PCI kliniske resultater (Algorithm-PCI)

Tilstedeværelsen af ​​myokardieiskæmi er den vigtigste prognostiske indikator hos patienter med koronararteriesygdom. Derfor er formålet med perkutan koronar intervention (PCI) at lindre myokardieiskæmi forårsaget af målstenosen. Fraktionel flowreserve (FFR) er et invasivt fysiologisk indeks, der bruges til at definere funktionelt signifikant koronar stenose, og dets prognostiske implikationer understøttes af adskillige undersøgelser. I modsætning til den klare cutoff-værdi og fordelen ved FFR i præ-PCI-evaluering, har der været forskellige resultater vedrørende optimale cut-off-værdier for post-PCI FFR. Ikke desto mindre er den positive sammenhæng mellem post-PCI FFR og risikoen for fremtidige hændelser blevet gengivet af flere undersøgelser.

PCI med stentimplantation er grundlæggende en lokal behandling, og post-PCI FFR afspejler både resterende stenose i det stentede segment og resterende sygdom ud over det stentede segment i målkarrene.

Derfor kan post-PCI FFR alene ikke fuldstændigt diskriminere graden af ​​bidrag fra hver komponent. Den relative stigning af FFR med PCI bestemmes af interaktionen mellem baseline-sværhedsgraden af ​​en mållæsion, baseline-sygdomsbyrden for et målkar, tilstrækkeligheden af ​​PCI og resterende sygdomsbyrde i et målkar.

Det vigtigste problem med at stratificere patienter med bedre forventede post-PCI fysiologiske resultater og følgende kliniske udfald ville være, at der ikke har været nogen klar metode til at identificere disse patienter i præ-PCI fase.

I denne henseende antog vi, at mængden af ​​FFR step-up i pre-PCI pullback optagelse ville bestemme den fysiologiske karakter af målstenose. For eksempel ville stenose med tilstrækkelig optrapping af FFR fortjene lokal behandling med PCI, og disse læsioner ville resultere i højere procent FFR-stigning, post-PCI FFR og bedre klinisk resultat end dem uden tilstrækkelig mængde af FFR-step-up.

Til dette forsøgte vi at udvikle en automatiseret algoritme til at definere fysiologisk større stenose versus mindre stenose ved hjælp af pre-PCI pullback-optagelse.