FFR con machine learning basato su OCT per la previsione della FFR post-PCI

Gli esami FFR e OCT vengono utilizzati per scopi diversi durante l'intervento coronarico percutaneo (PCI). L'FFR è uno strumento decisionale per determinare se sono necessarie procedure aggiuntive, mentre l'esame OCT viene utilizzato per ottimizzare la procedura dello stent. L'uso di entrambi i test fornisce informazioni aggiuntive per aiutare a eseguire una procedura eccellente, ma è più costoso e richiede tempo.

Pertanto, un test FFR di machine learning derivato dall'OCT può essere utile. Studi precedenti hanno dimostrato che la FFR con apprendimento automatico basata su OCT prima della procedura ha mostrato buone prestazioni diagnostiche nel predire la FFR, indipendentemente dal territorio coronarico.

Nonostante il rapido sviluppo di tecnologie e strumenti per la PCI, un numero significativo di pazienti ha manifestato eventi avversi, come recidiva di angina e ischemia silente, nonostante la PCI angiograficamente riuscita. Il PCI subottimale è un noto fattore prognostico indipendente per gli incidenti cardiovascolari maggiori. Pertanto, la misurazione della FFR post-PCI immediatamente dopo l'impianto dello stent è fondamentale per ottimizzare il risultato della procedura e migliorare la prognosi del paziente. Sebbene l’importanza di misurare la FFR post-PCI stia gradualmente emergendo, attualmente non esiste un modello per la FFR con apprendimento automatico basato su OCT che preveda la FFR dopo l’inserimento dello stent. Nei pazienti sottoposti a intervento coronarico percutaneo utilizzando stent per cardiopatia ischemica, confronteremo l'accuratezza diagnostica del modello di riserva di flusso frazionario (FFR) derivato dall'apprendimento automatico basato sull'esame di tomografia a coerenza ottica (OCT) dopo l'impianto di stent nell'arteria coronaria con il filo basato sul FFR.