我国心血管疾病概况

我国是全球心血管病负担最重的国家之一。根据《中国心血管健康与疾病报告2020概要》，心血管病死亡占城乡居民总死亡原因的首位。报告推算心血管病现患人数3.30亿，其中脑卒中1300万，冠心病1139万，肺原性心脏病500万，心力衰竭890万，心房颤动487万，风湿性心脏病250万，先天性心脏病200万，下肢动脉疾病4530万，高血压2.45亿。

根据报告对2018年的统计数据，我国农村心血管病死亡率为322.31/10万，其中心脏病死亡率为162.12/10万，脑血管病死亡率为160.19/10万；城市心血管病死亡率为275.22/10万，其中心脏病死亡率为146.34/10万，脑血管病死亡率为 128.88/10万。

心血管疾病作为国民健康的头号杀手，其发病率还在逐年上升。由于不健康饮食、身体活动不足、吸烟等生活方式危险因素的广泛流行，我国患有高血压、血脂异常、糖尿病和肥胖的绝对人数还在不断攀升，这将进一步推高我国心血管病的发病率和死亡率[1]。

自2005年起，中国大陆地区在心血管基础研究领域开启了较高水平的研究。在Circulation和Circ Res两大杂志。通过Circulation、J Am Coll Cardiol、Eur Heart J 和 Nat Commun 等期刊的数据，可以观察到近几年国内高水平心血管基础研究的快速发展。2019~2020年，通信作者和主要作者均来自中国大陆、以探索心脏和血管解剖，发育与功能/发病机制为对象的基础研究论文共58篇。2019年9月1日至2020年10月22日，国家药品监督管理局共批准获得心血管领域三类医疗器械注册证 141项，其中96项为国产产品，其中介入类产品有69项，有源手术类含片6项，急救类产品5项，诊断类产品4项，成像类产品4项，开放手术类产品2项，AI软件3项，血流测量系统1项，体外循环类器械1项，其他器械1项[1]。

主要诊断方法

根据《中国卫生健康统计年鉴 2019》，2018年中国城市居民冠心病死亡率为 120.18/10 万，农村居民冠心病死亡率为 128.24/10万。本文将介绍以冠心病为代表的，介绍心血管疾病中主要的影像诊断方式及其原理。

动脉粥样硬化（Atherosclerosis）是粥样斑块沉积在血管壁并造成动脉狭窄的疾病。动脉粥样硬化的早期通常没有症状，严重时可能造成心肌缺血、缺氧、坏死而导致冠状动脉疾病，这种疾病也被称作“冠心病”[2]。目前，诊断冠心病最有效的手段是影像学检查。其中包括有创冠动脉造影（ICA）、冠状动脉CT血管成像（CTA）、心脏MRI检查（CMR）、核素心肌灌注显像、超声心动图、光学相干断层成像等方法。

有创冠动脉造影（ICA）将造影剂注入冠状动脉，利用计算机记录造影剂扩散过程中图像变化，从解剖学角度判断冠状动脉病变信息。

冠状动脉CT血管成像（CTA）可以直观地显示冠状动脉狭窄和斑块的情况。在CT血管成像过程中，对比剂被注射入血管，计算机对CT血管的图像经过处理后，可以三维立体地重建出血管系统，CT血管成像可以同时显示血管腔内、腔外和血管管壁病变，既可实现大范围血管成像又可实现小血管小分支的精细显像，甚至实现了运动器官如心脏的血管成像。

心脏MRI检查（CMR）是一种评估心血管系统的功能与结构的一种非侵入式医学成像技术。它运用磁共振成像(MRI)基本原理，利用心电门控技术，把数据采集的时间控制在心脏跳动周期的某一时段之内。CMR不使用电离辐射，它使用磁场的改变和射频(RF)脉冲，由于脉冲与病人自身的氢原子核（来自人体水分）间的共振现象，病人吸收了射频能量。当这些能量发出时，通过线圈的检测，转换成电信号，再利用算法将其转换成图像[4]。

核素心肌灌注显像一种无创的技术，它是通过心肌细胞摄取核素而使心肌显影，心肌每个部位放射性核素聚集的多少与该部位冠状动脉灌注血液量呈正相关，从而分析冠状动脉的血流情况。

超声心动图利用超声短波测距原理脉冲超声波透过胸壁、软组织测量其下各心壁、心室及瓣膜等结构的周期性活动，记录各结构相应的活动和时间之间的关系曲线，从而评价心脏结构及功能的异常。

光学相干断层成像（OCT）是一种低损、高分辨、非侵入式的医学成像技术。其原理类似于超声成像，不同之处是它利用的是光，而不是声音。这种技术能够获取组织的高分辨率横断层图像，并能够识别包括脂质斑块、纤维斑块、钙化斑块、易损斑块、血栓、夹层等一些在造影和其它检查工具无法或不能清晰地看到的血管病理改变。

2018年，我国心血管病中心质控中心组成立了了“心血管影像质控专家工作组”，并将其工作方向暂时定位于冠心病的影像诊断领域，并在全国155家医院展开了影像检查技术的使用调研。其调查的心血管影像检查技术，包括有创冠状动脉造影（ICA）、冠状动脉 CTA、CMR、负荷超声心动图、SPECT/PET 心肌灌注。统计数据显示，总计 155 家医院中开展 ICA 的医院共 102 家（65.8%），冠状动脉CTA 共 100 家（64.5％），CMR 共 21 家（13.5%），负荷超声心动图共 14 家（9.0％），SPECT/PET 共 20 家（12.9%）[3]。

（图片来源:《中国心血管影像技术应用现状调查与医疗质量报告》）

从报告数据显示，冠状动脉造影ICA 和冠状动脉 CTA 的普及率最高，已经在绝大部分三级医院中普及应用而其它的影像技术则应用相对较少。有创冠状动脉造影（ICA）是有创的检查，目前仍然是冠心病诊断的“金标准”，在我国仍然是最常用的诊断技术。而冠状动脉CTA正在迅速发展，已经逐步成为冠心病诊断的主力军[3]。

基于机器学习的CT-FFR诊断

有创冠状动脉造影与冠状动脉CT血管成像是目前冠心病早期诊断的主要工具，但是这两种方法更多地从影像学角度评价冠状动脉狭窄，但是不能从生理功能上提供有效信息。比如心肌是否因为狭窄血管存在缺血。在这一生理功能上，临床上主要通过冠状动脉血流储备分数（fractional flow reserve，FFR）这一指标来进行诊断。冠状动脉血流储备分数FFR是指冠状动脉存在狭窄病变时，该区域最大血流量与不存在狭窄病变时所能获得的最大血流量之比，如下图，FFR=Pd/Pa。

由于传统FFR检测基于有创冠状动脉造影ICA，需要通过专用的压力导丝测量冠脉病变远近端压力差来进行计算，额外增加了手术步骤、时间和费用，使得目前临床上并不能对所有患者均常规使用FFR。因此目前，FFT检测在我国应用率并不高。

近年来，基于冠状动脉CT血管成像的血流储备分数(CT-FFR)成为评估冠状动脉生理功能的一项新技术，它能够提供解剖学与更多的功能信息。并且相比于传统FFR检查更有优势，患者无需经过有创手术，也无需服用额外药物与接受额外的射线。

CT-FFR基于CTA无创影像，结合了CTA解剖学信息与FFR功能学信息，通过采样普通冠脉CTA的影像数据，对CTA图像进行定量分析。CT-FFR主要有两种计算方法：计算流体动力学(computational fluid dynamics，CFD)和人工智能机器深度学习(artificial intelligence deep machine learning)[5]。CT-FFR原理的结合了计算流体力学与深度学习的算法。该方法以静态CTA数据为基础，采用流体力学计算建立3D的血流模型，模拟血管最大充血状态，进而计算出该模型在此状态下的血流与压力，获得的计算FFR数值与实测有创FFR数值接近，从而来证明该模型的可靠性。

（图片来源：《CT-FFR的现状与进展》 首都医科大学附属北京安贞医院医学影像科[6]）

计算流体动力学（CFD）方法中，首先通过整理CCTA测得的各支血管的正常及病变部分的管腔横截面积等数据，建立一个三维的冠状动脉血管树模型。冠状动脉的血流和阻力可利用血管树模型中血管直径及对应心肌质量等数据计算出来。利用同样的计算方法，最大血流(充血)状态时的血流、阻力、压力等数据也可得到。这种血流计算方法虽然听起来挺简单，实际上是非常复杂的数学模型和方程，需要测量数百万个数据，所以对计算机性能要求很高，所需时间也较长，这也是限制其临床应用的最主要因素[5]。

对基础CTA图像的处理和运算过程包括了图像分割和冠脉树的提取、左心室质量的估算、心脏与血管交互关系评价、微循环阻力估算、血液生理状态估算、充血状态估算、理算流体力学评价。

深度学习的人工智能程序利用多层神经网络技术与对已有的通过ICA获得的血流动力学数据库进行深度学习与训练，提取与血流动力学相关的必要的形态特征，掌握冠状动脉血管树的形态特征和对应血流动力学参数之间的联系和规律。学习和训练完成后，输入CCTA测得的解剖形态数据，人工智能就可以很快地推算出相应的血流动力学参数，得到FFR数值[5]。

（图片来源：《CT-FFR的现状与进展》 首都医科大学附属北京安贞医院医学影像科[6]）

目前，有全球有多家公司正基于机器深度学习的计算方法研发软件。

[1] 中国心血管健康与疾病报告2020概要[J]中国循环杂志 2021 年 6 月 第 36 卷 第 6 期（总第 276 期）Chinese Circulation Journal，June，2021，Vol. 36 No.6（Serial No.276）

[2] 维基百科-动脉粥样硬化

[3] 吕滨,任心爽,安云强,赵迎新,李希,李静,卢光明,金征宇. 中国心血管影像技术应用现状调查与医疗质量报告[J].中国循环杂志,2020,35(07):625-633.

[4] 维基百科-磁共振成像

[5] 杨国建, 孙福成. 无创CT血流储备分数的研究进展 [J] . 中国心血管杂志,2019,24 (4): 387-391. DOI: 10.3969/j.issn.1007-5410.2019.04.019

[6] 徐磊《CT-FFR的现状与进展》 首都医科大学附属北京安贞医院医学影像科