OCT-basierte FFR für maschinelles Lernen zur Vorhersage der FFR nach PCI

FFR- und OCT-Untersuchungen werden bei perkutanen Koronarinterventionen (PCI) zu unterschiedlichen Zwecken eingesetzt. Die FFR ist ein Entscheidungsinstrument, um festzustellen, ob zusätzliche Eingriffe erforderlich sind, während die OCT-Untersuchung zur Optimierung des Stent-Eingriffs verwendet wird. Die Verwendung beider Tests liefert zusätzliche Informationen zur Durchführung eines hervorragenden Verfahrens, ist jedoch teurer und zeitaufwändiger.

Daher kann ein OCT-abgeleiteter FFR-Test für maschinelles Lernen hilfreich sein. Frühere Studien haben gezeigt, dass OCT-basiertes maschinelles Lernen der FFR vor dem Eingriff unabhängig vom Koronargebiet eine gute diagnostische Leistung bei der Vorhersage der FFR gezeigt hat.

Trotz der rasanten Entwicklung von Technologien und Instrumenten für die PCI kam es bei einer erheblichen Anzahl von Patienten trotz angiographisch erfolgreicher PCI zu unerwünschten Ereignissen wie dem Wiederauftreten von Angina pectoris und einer stillen Ischämie. Eine suboptimale PCI ist ein bekannter unabhängiger Prognosefaktor für schwere Herz-Kreislauf-Unfälle. Daher ist die Messung der Post-PCI-FFR unmittelbar nach der Stentimplantation von entscheidender Bedeutung, um das Ergebnis des Eingriffs zu optimieren und die Prognose des Patienten zu verbessern. Obwohl die Bedeutung der Messung der Post-PCI-FFR allmählich zunimmt, gibt es derzeit kein Modell für die OCT-basierte maschinelle Lern-FFR, das die FFR nach der Stentimplantation vorhersagt. Bei Patienten, die sich einer perkutanen Koronarintervention mit Stents wegen ischämischer Herzkrankheit unterzogen haben, werden wir die diagnostische Genauigkeit des Fractional Flow Reserve (FFR)-Modells vergleichen, das durch maschinelles Lernen auf der Grundlage einer optischen Kohärenztomographie (OCT)-Untersuchung nach der Implantation eines Koronararterienstents mit dem Draht abgeleitet wurde -basierter FFR.