Diagnostic Performance of a Machine Learning-Based CT-Derived FFR in Detecting Flow-Limiting Stenosis

Abstract

Background: The non-invasive quantification of the fractional flow reserve (FFRCT) using a more recent version of an artificial intelligence-based software and latest generation CT scanner (384 slices) may show high performance to detect coronary ischemia. Objectives: To evaluate the diagnostic performance of FFRCT for the detection of significant coronary artery disease (CAD) in contrast to invasive FFR (iFFR) using previous generation CT scanners (128 and 256-detector rows). Methods: Retrospective study with patients referred to coronary artery CT angiography (CTA) and catheterization (iFFR) procedures. Siemens Somatom Definition Flash (256-detector rows) and AS+ (128-detector rows) CT scanners were used to acquire the images. The FFRCT and the minimal lumen area (MLA) were evaluated using a dedicated software (cFFR version 3.0.0, Siemens Healthineers, Forchheim, Germany). Obstructive CAD was defined as CTA lumen reduction >= 50%, and flow-limiting stenosis as iFFR <= 0.8. All reported P values are two-tailed, and when <0.05, they were considered statistically significant. Results: Ninety-three consecutive patients (152 vessels) were included. There was good agreement between FFRCT and iFFR, with minimal FFRCT overestimation (bias: -0.02; limits of agreement:0.14-0.09). Different CT scanners did not modify the association between FFRCT and FFRi (p for interaction=0.73). The performance of FFRCT was significantly superior compared to the visual classification of coronary stenosis (AUC 0.93vs.0.61, p<0.001) and to MLA (AUC 0.93vs.0.75, p<0.001), reducing the number of false-positive cases. The optimal cut-off point for FFRCT using a Youden index was 0.85 (87% Sensitivity, 86% Specificity, 73% PPV, 94% NPV), with a reduction of false-positives. Conclusion: Machine learning-based FFRCT using previous generation CT scanners (128 and 256-detector rows) shows good diagnostic performance for the detection of CAD, and can be used to reduce the number of invasive procedures.

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.