Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial
Autor(a) principal: | |
---|---|
Data de Publicação: | 2021 |
Outros Autores: | , , , , , , , , |
Tipo de documento: | Artigo |
Idioma: | por |
Título da fonte: | Arquivos Brasileiros de Cardiologia (Online) |
Texto Completo: | http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0066-782X2021000701091 |
Resumo: | Resumo 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. |
id |
SBC-1_f8cc36977e313eed04a2828d4e266166 |
---|---|
oai_identifier_str |
oai:scielo:S0066-782X2021000701091 |
network_acronym_str |
SBC-1 |
network_name_str |
Arquivos Brasileiros de Cardiologia (Online) |
repository_id_str |
|
spelling |
Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência ArtificialReserva Fracionada de Fluxo MiocárdicoDoença Arterial CoronarianaTomografia ComputadorizadaIsquemia MiocárdicaAprendizado de MáquinaResumo 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 - SBC2021-06-01info:eu-repo/semantics/articleinfo:eu-repo/semantics/publishedVersiontext/htmlhttp://old.scielo.br/scielo.php?script=sci_arttext&pid=S0066-782X2021000701091Arquivos Brasileiros de Cardiologia v.116 n.6 2021reponame:Arquivos Brasileiros de Cardiologia (Online)instname:Sociedade Brasileira de Cardiologia (SBC)instacron:SBC10.36660/abc.20190329info:eu-repo/semantics/openAccessMorais,Thamara CarvalhoAssunção-Jr,Antonildes NascimentoDantas Júnior,Roberto NerySilva,Carla Franco Grego daPaula,Caroline Bastida deTorres,Roberto AlmeidaMagalhães,Tiago AugustoNomura,César HigaÁvila,Luiz Francisco Rodrigues deParga Filho,José Rodriguespor2021-06-10T00:00:00Zoai:scielo:S0066-782X2021000701091Revistahttp://www.arquivosonline.com.br/https://old.scielo.br/oai/scielo-oai.php||arquivos@cardiol.br1678-41700066-782Xopendoar:2021-06-10T00:00Arquivos Brasileiros de Cardiologia (Online) - Sociedade Brasileira de Cardiologia (SBC)false |
dc.title.none.fl_str_mv |
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 |
spellingShingle |
Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial Morais,Thamara Carvalho Reserva Fracionada de Fluxo Miocárdico Doença Arterial Coronariana Tomografia Computadorizada Isquemia Miocárdica Aprendizado de Máquina |
title_short |
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_sort |
Performance Diagnóstica da FFR por Angiotomografia de Coronárias através de Software Baseado em Inteligência Artificial |
author |
Morais,Thamara Carvalho |
author_facet |
Morais,Thamara Carvalho Assunção-Jr,Antonildes Nascimento Dantas Júnior,Roberto Nery Silva,Carla Franco Grego da Paula,Caroline Bastida de Torres,Roberto Almeida Magalhães,Tiago Augusto Nomura,César Higa Ávila,Luiz Francisco Rodrigues de Parga Filho,José Rodrigues |
author_role |
author |
author2 |
Assunção-Jr,Antonildes Nascimento Dantas Júnior,Roberto Nery Silva,Carla Franco Grego da Paula,Caroline Bastida de Torres,Roberto Almeida Magalhães,Tiago Augusto Nomura,César Higa Ávila,Luiz Francisco Rodrigues de Parga Filho,José Rodrigues |
author2_role |
author author author author author author author author author |
dc.contributor.author.fl_str_mv |
Morais,Thamara Carvalho Assunção-Jr,Antonildes Nascimento Dantas Júnior,Roberto Nery Silva,Carla Franco Grego da Paula,Caroline Bastida de Torres,Roberto Almeida Magalhães,Tiago Augusto Nomura,César Higa Ávila,Luiz Francisco Rodrigues de Parga Filho,José Rodrigues |
dc.subject.por.fl_str_mv |
Reserva Fracionada de Fluxo Miocárdico Doença Arterial Coronariana Tomografia Computadorizada Isquemia Miocárdica Aprendizado de Máquina |
topic |
Reserva Fracionada de Fluxo Miocárdico Doença Arterial Coronariana Tomografia Computadorizada Isquemia Miocárdica Aprendizado de Máquina |
description |
Resumo 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. |
publishDate |
2021 |
dc.date.none.fl_str_mv |
2021-06-01 |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/article |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
format |
article |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0066-782X2021000701091 |
url |
http://old.scielo.br/scielo.php?script=sci_arttext&pid=S0066-782X2021000701091 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
10.36660/abc.20190329 |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
text/html |
dc.publisher.none.fl_str_mv |
Sociedade Brasileira de Cardiologia - SBC |
publisher.none.fl_str_mv |
Sociedade Brasileira de Cardiologia - SBC |
dc.source.none.fl_str_mv |
Arquivos Brasileiros de Cardiologia v.116 n.6 2021 reponame:Arquivos Brasileiros de Cardiologia (Online) instname:Sociedade Brasileira de Cardiologia (SBC) instacron:SBC |
instname_str |
Sociedade Brasileira de Cardiologia (SBC) |
instacron_str |
SBC |
institution |
SBC |
reponame_str |
Arquivos Brasileiros de Cardiologia (Online) |
collection |
Arquivos Brasileiros de Cardiologia (Online) |
repository.name.fl_str_mv |
Arquivos Brasileiros de Cardiologia (Online) - Sociedade Brasileira de Cardiologia (SBC) |
repository.mail.fl_str_mv |
||arquivos@cardiol.br |
_version_ |
1752126571541430272 |