Cargando…
Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial
FUNDAMENTO: A quantificação não invasiva da reserva fracionada de fluxo miocárdico (FFR (TC) ) através de software baseado em inteligência artificial em versão mais atualizada e tomógrafo de última geração (384 cortes) apresenta elevada performance na detecção de isquemia coronariana. OBJETIVOS: Ava...
Autores principales: | , , , , , , , , , |
---|---|
Formato: | Online Artículo Texto |
Lenguaje: | English |
Publicado: |
Sociedade Brasileira de Cardiologia - SBC
2021
|
Materias: | |
Acceso en línea: | https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8288523/ https://www.ncbi.nlm.nih.gov/pubmed/34133592 http://dx.doi.org/10.36660/abc.20190329 |
_version_ | 1783724101913804800 |
---|---|
author | Morais, Thamara Carvalho Assunção-Jr, Antonildes Nascimento Dantas, Roberto Nery da Silva, Carla Franco Grego de Paula, Caroline Bastida Torres, Roberto Almeida Magalhães, Tiago Augusto Nomura, César Higa de Ávila, Luiz Francisco Rodrigues Parga, José Rodrigues |
author_facet | Morais, Thamara Carvalho Assunção-Jr, Antonildes Nascimento Dantas, Roberto Nery da Silva, Carla Franco Grego de Paula, Caroline Bastida Torres, Roberto Almeida Magalhães, Tiago Augusto Nomura, César Higa de Ávila, Luiz Francisco Rodrigues Parga, José Rodrigues |
author_sort | Morais, Thamara Carvalho |
collection | PubMed |
description | FUNDAMENTO: A quantificação não invasiva da reserva fracionada de fluxo miocárdico (FFR (TC) ) através de software baseado em inteligência artificial em versão mais atualizada e tomógrafo de última geração (384 cortes) apresenta elevada performance na detecção de isquemia coronariana. OBJETIVOS: Avaliar o desempenho diagnóstico da FFR (TC) na detecção de doença arterial coronariana (DAC) significativa em relação ao FFRi, em tomógrafos de gerações anteriores (128 e 256 cortes). MÉTODOS: Estudo retrospectivo com pacientes encaminhados à angiotomografia de artérias coronárias (TCC) e cateterismo (FFRi). Foram utilizados os tomógrafos Siemens Somatom Definition Flash (256 cortes) e AS+ (128 cortes). A FFR (TC) e a área luminal mínima (ALM) foram avaliadas em software (cFFR versão 3.0.0, Siemens Healthineers, Forchheim, Alemanha). DAC obstrutiva foi definida como TCC com redução luminal ≥50% e DAC funcionalmente obstrutiva como FFRi ≤0,8. Todos os valores de p reportados são bicaudais; e quando <0,05, foram considerados estatisticamente significativos. RESULTADOS: Noventa e três pacientes consecutivos (152 vasos) foram incluídos. Houve boa concordância entre FFR (TC) e FFRi, com mínima superestimação da FFR (TC) (viés: –0,02; limites de concordância: 0,14 a 0,09). Diferentes tomógrafos não modificaram a relação entre FFR (TC) e FFRi (p para interação = 0,73). A FFR (TC) demonstrou performance significativamente superior à classificação visual de estenose coronariana (AUC 0,93 vs. 0,61, p <0,001) e à ALM (AUC 0,93 vs. 0,75, p <0,001) reduzindo o número de casos falso-positivos. O melhor ponto de corte para a FFR (TC) utilizando um índice de Youden foi de 0,85 (sensiblidade, 87%; especificidade, 86%; VPP, 73%; NPV, 94%), com redução de falso-positivos. CONCLUSÃO: FFR (TC) baseada em inteligência artificial, em tomógrafos de gerações anteriores (128 e 256 cortes), apresenta boa performance diagnóstica na detecção de DAC, podendo ser utilizada para reduzir procedimentos invasivos. |
format | Online Article Text |
id | pubmed-8288523 |
institution | National Center for Biotechnology Information |
language | English |
publishDate | 2021 |
publisher | Sociedade Brasileira de Cardiologia - SBC |
record_format | MEDLINE/PubMed |
spelling | pubmed-82885232021-07-23 Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial Morais, Thamara Carvalho Assunção-Jr, Antonildes Nascimento Dantas, Roberto Nery da Silva, Carla Franco Grego de Paula, Caroline Bastida Torres, Roberto Almeida Magalhães, Tiago Augusto Nomura, César Higa de Ávila, Luiz Francisco Rodrigues Parga, José Rodrigues Arq Bras Cardiol Artigo Original FUNDAMENTO: A quantificação não invasiva da reserva fracionada de fluxo miocárdico (FFR (TC) ) através de software baseado em inteligência artificial em versão mais atualizada e tomógrafo de última geração (384 cortes) apresenta elevada performance na detecção de isquemia coronariana. OBJETIVOS: Avaliar o desempenho diagnóstico da FFR (TC) na detecção de doença arterial coronariana (DAC) significativa em relação ao FFRi, em tomógrafos de gerações anteriores (128 e 256 cortes). MÉTODOS: Estudo retrospectivo com pacientes encaminhados à angiotomografia de artérias coronárias (TCC) e cateterismo (FFRi). Foram utilizados os tomógrafos Siemens Somatom Definition Flash (256 cortes) e AS+ (128 cortes). A FFR (TC) e a área luminal mínima (ALM) foram avaliadas em software (cFFR versão 3.0.0, Siemens Healthineers, Forchheim, Alemanha). DAC obstrutiva foi definida como TCC com redução luminal ≥50% e DAC funcionalmente obstrutiva como FFRi ≤0,8. Todos os valores de p reportados são bicaudais; e quando <0,05, foram considerados estatisticamente significativos. RESULTADOS: Noventa e três pacientes consecutivos (152 vasos) foram incluídos. Houve boa concordância entre FFR (TC) e FFRi, com mínima superestimação da FFR (TC) (viés: –0,02; limites de concordância: 0,14 a 0,09). Diferentes tomógrafos não modificaram a relação entre FFR (TC) e FFRi (p para interação = 0,73). A FFR (TC) demonstrou performance significativamente superior à classificação visual de estenose coronariana (AUC 0,93 vs. 0,61, p <0,001) e à ALM (AUC 0,93 vs. 0,75, p <0,001) reduzindo o número de casos falso-positivos. O melhor ponto de corte para a FFR (TC) utilizando um índice de Youden foi de 0,85 (sensiblidade, 87%; especificidade, 86%; VPP, 73%; NPV, 94%), com redução de falso-positivos. CONCLUSÃO: FFR (TC) baseada em inteligência artificial, em tomógrafos de gerações anteriores (128 e 256 cortes), apresenta boa performance diagnóstica na detecção de DAC, podendo ser utilizada para reduzir procedimentos invasivos. Sociedade Brasileira de Cardiologia - SBC 2021-06-08 /pmc/articles/PMC8288523/ /pubmed/34133592 http://dx.doi.org/10.36660/abc.20190329 Text en https://creativecommons.org/licenses/by/4.0/This is an Open Access article distributed under the terms of the Creative Commons Attribution License, which permits unrestricted use, distribution, and reproduction in any medium, provided the original work is properly cited. |
spellingShingle | Artigo Original Morais, Thamara Carvalho Assunção-Jr, Antonildes Nascimento Dantas, Roberto Nery da Silva, Carla Franco Grego de Paula, Caroline Bastida Torres, Roberto Almeida Magalhães, Tiago Augusto Nomura, César Higa de Ávila, Luiz Francisco Rodrigues Parga, José Rodrigues Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial |
title | Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial |
title_full | Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial |
title_fullStr | Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial |
title_full_unstemmed | Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial |
title_short | Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial |
title_sort | performance diagnóstica da ffr por angiotomografia de coronárias através de software baseado em inteligência artificial |
topic | Artigo Original |
url | https://www.ncbi.nlm.nih.gov/pmc/articles/PMC8288523/ https://www.ncbi.nlm.nih.gov/pubmed/34133592 http://dx.doi.org/10.36660/abc.20190329 |
work_keys_str_mv | AT moraisthamaracarvalho performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT assuncaojrantonildesnascimento performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT dantasrobertonery performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT dasilvacarlafrancogrego performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT depaulacarolinebastida performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT torresrobertoalmeida performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT magalhaestiagoaugusto performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT nomuracesarhiga performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT deavilaluizfranciscorodrigues performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial AT pargajoserodrigues performancediagnosticadaffrporangiotomografiadecoronariasatravesdesoftwarebaseadoeminteligenciaartificial |