CT衍生的血流儲備分數對梗阻性冠狀動脈疾病患者主要不良心血管事件的預測價值研究

【摘要】 背景 目前，血流儲備分數（FFR）是評估冠狀動脈血流的功能和生理學的金標準，與之相比，CT衍生的血流儲備分數（CT-FFR）反映冠狀動脈病變處血流動力學改變，以及在區分病變特異性缺血方面，均有較高的診斷性能和鑒別能力。目的 評價CT-FFR對冠狀動脈梗阻性穩定性胸痛患者發生MACE的預測價值。方法 本研究納入2017年1月—2021年6月在寧夏醫科大學總醫院因穩定性胸痛行冠狀動脈CT血管造影（CCTA）檢查的患者116例為研究對象，中位隨訪時間2（0，25）個月。按照隨訪期內是否發生主要不良心血管事件（MACE）將研究對象分為MACE組（55例）和非MACE組（61例）。比較兩組間冠狀動脈管腔狹窄程度和CT-FFR之間差異性；再分別根據狹窄程度及CT-FFR中位數將患者分類，比較不同分類患者MACE總發生率和隨訪lt;3個月、3～6個月、gt;6個月MACE的發生率。采用Spearman秩相關分析探討冠狀動脈管腔狹窄程度與CT-FFR之間的相關性；采用多因素Logistic回歸分析探討患者發生MACE的影響因素；繪制狹窄程度、CT-FFR及二者結合后預測冠狀動脈梗阻性穩定性胸痛患者發生MACE的受試者工作特征（ROC）曲線，并依據ROC曲線下面積（AUC）比較不同指標的預測性能。結果 116例患者冠狀動脈管腔狹窄程度中位數為70%（60%，80%），中位CT-FFR為0.79（0.74，0.85）。MACE組患者冠狀動脈管腔狹窄程度高于非MACE組（Z=-4.41，Plt;0.001），CT-FFR低于非MACE組（Z=-5.54，Plt;0.001）。冠狀動脈管腔狹窄程度70%～90%患者MACE發生率高于50%～69%患者（χ2=19.221，Plt;0.001）；CT-FFR≤0.8患者MACE發生率高于CT-FFRgt;0.8患者（χ2=30.025，Plt;0.001）；不同冠狀動脈管腔狹窄程度聯合不同CT-FFR患者MACE發生率比較，差異有統計學意義（χ2=37.789，Plt;0.001）。冠狀動脈管腔狹窄程度70%～90%患者隨訪時間lt;3個月MACE發生率高于50%～69%患者，CT-FFR≤0.8患者隨訪時間lt;3個月MACE發生率高于CT-FFRgt;0.8患者，狹窄程度70%～90%+CT-FFR≤0.8的患者隨訪時間lt;3個月MACE發生率高于其他分類（Plt;0.05）。Spearman秩相關分析結果顯示，冠狀動脈管腔狹窄程度與CT-FFR呈負相關（rs=-0.532 6，Plt;0.001）。多因素Logistic回歸分析結果顯示，冠狀動脈管腔狹窄程度70%～90%（OR=3.085，95%CI=1.147～8.298，P=0.026）、CT-FFR≤0.8（OR=6.527，95%CI=2.560～16.641，Plt;0.001）是患者發生MACE的危險因素。冠狀動脈管腔狹窄程度聯合CT-FFR預測患者發生MACE的價值更高（AUC=0.812，95%CI=0.731～0.892，Plt;0.001）。結論 冠狀動脈管腔狹窄程度70%～90%、CT-FFR≤0.8可能是患者發生MACE的危險因素。與狹窄程度相比，CT-FFR對預測冠狀動脈阻塞性穩定性胸痛患者發生MACE具有增益價值，狹窄程度與CT-FFR結合后的預測性能更佳。

【關鍵詞】 冠狀動脈疾病；主要不良心血管事件；CT衍生血流儲備分數；冠狀動脈狹窄；預測

【中圖分類號】 R 541.4 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2024.0112

The Value of CT-FFR in Predicting Major Adverse Cardiovascular Events in Patients with Obstructive Coronary Artery Disease

【Abstract】 Background At present，FFR is the ＂gold standard＂ index for evaluating the function and physiology of coronary blood flow. CT-fractional flow reserve（CT-FFR）reflects the hemodynamic changes of coronary artery lesions，it has higher diagnostic and differential ability in distinguishing lesion-specific ischemia compare with FFR. Objective To evaluate the value of CT-FFR in predicting the incidence of MACE in patients with stable chest pain caused by coronary artery obstruction. Methods This study included 116 patients who underwent coronary CT angiography（CCTA）examination for stable chest pain in the General Hospital of Ningxia Medical University from January 2017 to June 2021，and were followed up for a median of 2（0，25） months. The subjects were divided into MACE group（n=55）and non-MACE group（n=61）according to whether occurred major adverse cardiovascular events（MACE）during the follow-up period. The differences of the degree of coronary artery stenosis and CT-FFR between the two groups were compared，and the patients were classified according to the median of degree of coronary artery stenosis and CT-FFR，and compared the total incidence of MACE and the incidence of MACE within 3 months，3 to 6 months and after 6 months. Spearman rank correlation analysis was used to analyze the correlation between the degree of coronary artery stenosis and CT-FFR，and multivariate Logistic regression analysis was used to explore the influencing factors of MACE. The ROC curves of stenosis degree，CT-FFR and the combination of the two index on the occurrence of MACE in patients with stable chest pain caused by coronary artery obstruction were drawn，and compared" the predictive performance of different indexes according to the area under ROC curve（AUC）. Results The median degree of coronary lumen stenosis in 116 patients was 70%（60%，80%），and the median CT-FFR was 0.79（0.74，0.85）. The degree of coronary lumen stenosis in the MACE group was higher than that in the non-MACE group（Z=-4.41，Plt;0.001），and CT-FFR was lower（Z=-5.54，Plt;0.001）. The incidence of MACE in" patients with coronary artery stenosis between 70% and 90% was higher than that in patients with coronary artery stenosis between 50% and 69%（χ2=19.221，Plt;0.001）. The incidence of MACE in CT-FFR≤0.8 patients was higher than that in CT-FFRgt;0.8（χ2=30.025，Plt;0.001）. The incidence of MACE in patients with different degrees of coronary artery stenosis combined with different CT-FFR was significantly different（χ2=37.789，Plt;0.001）. The incidence of MACE was higher in patients with stenosis between 70% and 90% within 3 months than that in patients with stenosis between 50% and 69%，and the incidence of MACE in patients with CT-FFR≤0.8 within 3 months was higher than that in patients with CT-FFRgt;0.8. The incidence of MACE in patients with stenosis between 70% and 90% and CT-FFR≤0.8 within 3 months of follow-up was higher than that in other categories（Plt;0.05）. Spearman rank correlation analysis showed that the degree of coronary lumen stenosis was negatively correlated with CT-FFR（rs=-0.532 6，Plt;0.001）. Multivariate Logistic regression analysis showed that the degree of coronary lumen stenosis between 70% and 90%（OR=3.085，95%CI=1.147-8.298，P=0.026），CT-FFR≤0.8（OR=6.527，95%CI=2.560-16.641，Plt;0.001）were risk factors for MACE. The value of coronary lumen stenosis combined with CT-FFR in predicting MACE was higher（AUC=0.812，95%CI=0.731-0.892，Plt;0.001）. Conclusion The degree of coronary artery stenosis between 70% and 90%，CT-FFR≤0.8 may be the risk factors of MACE in patients. Compared with the degree of stenosis，CT-FFR has a beneficial value in predicting the incidence of MACE in patients with stable chest pain caused by coronary artery obstruction，and the prediction performance is better when the degree of stenosis is combined with CT-FFR.

【Key words】 Coronary artery disease；Major adverse cardiovascular events；CT-fractional flow reserve；Coronary stenosis；Forecasting

冠心病（CAD）是世界范圍內人口的主要死亡原因，并且給家庭和社會造成非常大的經濟負擔［1］。有創冠狀動脈造影（ICA）檢查是診斷阻塞性冠心病的金標準，同時可以進行血運重建，但是具有手術風險，且大部分患者ICA檢查結果顯示冠狀動脈并不存在阻塞性狹窄［2-4］。冠狀動脈CT血管造影（CCTA）可以無創性評估患者冠狀動脈，用于胸痛患者的診斷和治療，作為ICA的“看門人”［5］，但對冠狀動脈狹窄性病變血流動力學的表征能力有限［6］。隨著各種計算機軟件的不斷改進，CCTA可以獲得管腔狹窄程度、斑塊分析相關定性、定量參數［7-8］，將計算流體力學的原理應用于CCTA，得到CT衍生的血流儲備分數（CT-FFR），提供覆蓋整個冠狀動脈樹血流動力學生理數據的無創評估方法，相比于有創血流儲備分數（FFR）和CCTA，在區分病變特異性缺血方面有較高的鑒別能力［9-11］，此外，CT-FFR有助于提高初診CCTA至有創ICA檢查的效率，降低成本，減少不必要的有創檢查，同時指導進一步治療［12］。雖然，CT-FFR在存在冠狀動脈疾病患者中的診斷價值已得到國內外大量臨床驗證［13］，但是對于出現胸痛癥狀的冠狀動脈阻塞性患者，其預測主要不良心血管事件（MACE）發生的臨床價值尚不明確，因此，本研究旨在評價CT-FFR對冠狀動脈梗阻性穩定性胸痛患者發生不良心血管事件事件的預測價值。

1 資料與方法

1.1 研究對象

選取2017年1月—2021年6月在寧夏醫科大學總醫院因穩定性胸痛行CCTA檢查的患者116例為研究對象。通過查詢醫院病歷系統及電話聯系獲得患者基本資料，根據患者是否發生MACE分為兩組：MACE組（55例）和非MACE組（61例）。本研究經寧夏醫科大學總醫院倫理委員會批準（KYLL-2021-424）。

1.1.1 納入標準：（1）穩定性胸痛患者；（2）CCTA檢查至少存在一處冠狀動脈狹窄，狹窄程度50%～90%且CCTA圖像質量好（圖像評分gt;4分）；（3）治療前后基本信息、實驗室數據、影像學資料及1年后隨訪資料完整。

1.1.2 排除標準：（1）CCTA圖像質量不佳（冠狀動脈鈣化程度嚴重、病人相關的運動偽影、影像噪聲增加等）；（2）既往發生或因其他一般疾病引起心肌梗死，已接受過血運重建或已植入過支架。

1.2 相關定義及標準

糖尿病：空腹血糖≥7.0 mmol/L（126 mg/dL）和/或 口服葡萄糖耐量試驗（OGTT）中2 h血糖≥11.1 mmol/L（200 mg/dL），或正在使用降糖藥物；高血壓：未使用降壓藥物的情況下，收縮壓≥140 mmHg（1 mmHg=0.133 kPa）和/或舒張壓≥90 mmHg，或正在使用降壓藥物；冠心病史：既往確診過冠心病；吸煙史：主動吸煙連續或累計吸煙6個月及以上；血脂異常：總膽固醇≥6.22 mmol/L，低密度脂蛋白膽固醇≥4.14 mmol/L，高密度脂蛋白膽固醇lt;1.04 mmol/L，三酰甘油≥2.26 mmol/L，以上至少存在一項指標異常，或正在服用調血脂藥物。

1.3 隨訪及結局事件

截至2021-06-30，所有患者進行了2（0，25）個月的隨訪，通過查詢醫院病歷系統及電話聯系獲得隨訪結果。MACE定義為：心源性死亡、非致死性心肌梗死、因不穩定型心絞痛再入院或行血運重建（不穩定型心絞痛是指在入院時存在心肌缺血的客觀證據，如心肌酶譜增高、心電圖或超聲心動圖的異常）。

1.4 儀器與方法

使用128排螺旋CT（iCT，Philips）和256排螺旋CT（Revolution CT，GE Healthcare，USA）；采用回顧性心電門控技術掃描，掃描范圍自氣管分叉下方1 cm至膈肌下1 cm。碘對比劑以5.3～5.6 mL/s的流率注射，總量50～70 mL。iCT掃描主參數：管電壓120 kV，管電流-800 mA，準直器及探測儀128×0.625 mm，掃描層厚0.9 mm，機架旋轉時間0.27 s；Revolution CT掃描主要參數：管電壓120 kV/100 kV，管電流自動調節，準直器寬度160 mm，機架旋轉時間0.28 s。圖像層厚0.625 mm。CTA數據均傳至工作站（ADW4.7，GE）進行后處理，使用基于深度學習的深脈分數軟件（DEEPVESSELFFR，KeyaMedical，中國北京）進行CT-FFR的計算。

1.5 圖像分析與后處理

1.5.1 冠狀動脈管腔狹窄程度分析：（1）對于直徑gt;2 mm的血管行冠狀動脈解剖狹窄率測定；冠狀動脈解剖狹窄率和CT-FFR的測定，采用GE ADW4.7工作站自動測量管腔狹窄率。（2）狹窄程度分為非梗阻性狹窄、梗阻性狹窄（中度：50%～69%；重度：70%～90%）［13］。

1.5.2 冠狀動脈CT-FFR分析：選取舒張期圖像中質量較好的一期圖像，計算CT-FFR。基本原理為通過大量學習血管的解剖學結構及血流功能，提取關鍵的特征參數，獲得經過驗證的訓練模型，并應用到新的測量數據上，在保證準確性的同時能夠快速得到整個血管樹的FFR計算結果［14-15］。CT-FFR值在狹窄病變遠端1.5～2.0 cm處進行測量，如果某支血管存在多處病變，則CT-FFR測量以最遠端病變為準［16］。

1.6 統計學方法

采用SPSS 27.0、MedCalc 20.0.4和GraphPad Prism 9.0軟件進行統計學分析。符合正態分布的計量資料以（x-±s）表示，兩組間比較采用獨立樣本t檢驗；不符合正態分布的計量資料以M（P25，P75）表示，兩組間比較采用秩和檢驗；計數資料以例數和百分比表示，兩組間比較采用χ2檢驗。采用Spearman秩相關分析探討冠狀動脈管腔狹窄程度與CT-FFR之間的關系。采用多因素Logistic回歸分析探討患者發生MACE的影響因素；繪制受試者工作特征（ROC）曲線比較冠狀動脈管腔狹窄程度與CT-FFR對MACE的預測價值。概率值均為雙側，以Plt;0.05為差異有統計學意義。

2 結果

2.1 兩組患者一般資料比較

116例患者中男77例（66.4%）、女39例（33.6%），平均年齡（63.2±8.0）歲。兩組患者性別、年齡、糖尿病、高血壓、吸煙史、冠心病史、血脂異常比例比較，差異無統計學意義（Pgt;0.05），見表1。

2.2 兩組患者冠狀動脈管腔狹窄程度及CT-FFR比較

116例患者冠狀動脈管腔狹窄程度為70%（60%，80%），CT-FFR為0.79（0.74，0.85）。MACE組患者冠狀動脈管腔狹窄程度高于非MACE組，CT-FFR低于非MACE組，差異均有統計學意義（Plt;0.001），見表2。

2.3 不同冠狀動脈管腔狹窄程度及CT-FFR患者MACE發生率比較

分別根據狹窄程度及CT-FFR中位數將患者分為：狹窄程度（50%～69%，70%～90%）、CT-FFR（gt;0.8，≤0.8）、狹窄程度+CT-FFR（50%～69%+gt;0.8，50%～69%+≤0.8，70%～90%+gt;0.8，70%～90%+≤0.8）。冠狀動脈管腔狹窄程度50%～69%患者43例，MACE發生率為20.9%；狹窄程度70%～90%患者73例，MACE發生率為63.0%；冠狀動脈管腔狹窄程度70%～90%患者MACE發生率高于50%～69%患者，差異有統計學意義（Plt;0.001）。CT-FFRgt;0.8患者52例，MACE發生率為19.2%；CT-FFR≤0.8患者64例，MACE發生率為70.3%；CT-FFR≤0.8患者MACE發生率高于CT-FFRgt;0.8患者，差異有統計學意義（Plt;0.001）。不同冠狀動脈管腔狹窄程度聯合不同CT-FFR患者MACE發生率比較，差異有統計學意義（Plt;0.001），見表3。

2.4 不同冠狀動脈管腔狹窄程度及CT-FFR患者不同隨訪時間MACE發生率比較

冠狀動脈管腔狹窄程度70%～90%患者隨訪時間lt;3個月MACE發生率高于50%～69%患者，CT-FFR≤0.8患者隨訪時間lt;3個月MACE發生率高于CT-FFRgt;0.8患者，差異有統計學意義（Plt;0.05）；狹窄程度70%～90%+CT-FFR≤0.8的患者隨訪時間lt;3個月MACE發生率高于其他分類，差異有統計學意義（Plt;0.05）。不同冠狀動脈管腔狹窄程度、CT-FFR及兩者聯合患者隨訪時間3～6個月及gt;6個月MACE發生率比較，差異均無統計學意義（Pgt;0.05），見表4。

2.5 冠狀動脈管腔狹窄程度與CT-FFR的Spearman秩相關分析

Spearman秩相關分析結果顯示，冠狀動脈管腔狹窄程度與CT-FFR呈負相關（rs=-0.532 6，Plt;0.001）。

2.6 患者發生MACE影響因素的多因素Logistic回歸分析

以患者是否發生MACE（賦值：是=1，否=0）為因變量，以冠狀動脈管腔狹窄程度（賦值：50%～69%=1，70%～90%=2）、CT-FFR（賦值：gt;0.8=1，≤0.8=2）為自變量進行多因素Logistic回歸分析，結果顯示，冠狀動脈管腔狹窄程度70%～90%、CT-FFR≤0.8是患者發生MACE的危險因素（Plt;0.05），見表5。

2.7 冠狀動脈管腔狹窄程度、CT-FFR及二者聯合預測MACE的ROC曲線

冠狀動脈管腔狹窄程度、CT-FFR及二者聯合預測MACE的ROC曲線下面積（AUC）分別為0.734（95%CI=0.641～0.827）、0.798（95%CI=0.715～0.881）、0.812（95%CI=0.731～0.892），靈敏度分別為0.836、0.820、0.764，特異度分別為0.557、0.745、0.820；三者預測MACE的AUC比較中，二者聯合預測MACE的AUC大于狹窄程度的預測價值，差異有統計學意義（Z=2.224，P=0.026 1），見圖1、表6。

3 討論

冠狀動脈粥樣硬化過程中，斑塊的形成和破裂會造成血管管腔的狹窄甚至閉塞，進而導致MACE的發生，這是一個復雜的生物力學過程［17-18］。以往研究表明，CCTA視覺評估冠狀動脈管腔狹窄程度≥50%的患者平均年齡更高，吸煙、患糖尿病、高血壓時間更長，相關并發癥發生更頻繁，有更高的死亡風險［19-22］，尤其冠狀動脈中度梗阻性（50%～69%）或冠狀動脈嚴重梗阻性（≥70%）是MACE的獨立預測因素［21］，通常，冠狀動脈管腔狹窄程度≥50%且負荷試驗陽性或者狹窄程度≥70%的患者需要行血運重建術［22］。因此，本研究主要針對穩定型心絞痛且冠狀動脈梗阻性的患者，首先觀察冠狀動脈管腔狹窄程度對MACE的影響，結果顯示，冠狀動脈管腔狹窄程度70%～90%是患者發生MACE的獨立危險因素（OR=3.085，95%CI=1.147～8.298，P=0.026），且發生率明顯高于狹窄程度50%～69%的患者（63.0%比20.9%，Plt;0.001），其心臟MACE多在3個月內發生，占比達到了此類患者的60.9%（28/46）。部分患者在6個月后發生MACE，研究表明，冠狀動脈顯著狹窄的部位、造成狹窄的斑塊性質不同，其中、遠期臨床預后有所不同［17-18，22］。

CT-FFR可綜合管腔、斑塊的功能信息和形態參數，以新的無創性技術反映冠狀動脈的血流儲備能力，區分病變特異性缺血，間接診斷高危斑塊［15，23-28］。本研究結果顯示，CT-FFR≤0.8是患者發生MACE的獨立危險因素（OR=6.527，95%CI=2.560～16.641，Plt;0.001），IHDAYHID等［25］的結果也表明CT-FFR≤0.8是患者發生MACE的危險因素。本研究結果顯示，CT-FFR≤0.8的患者MACE發生率高、多在3個月內發生，但占比僅達到此類患者的57.8%（26/45）。大多數情況下，發生MACE的冠狀動脈罪魁禍首形態是斑塊破裂，主要發生在定義為薄帽纖維動脈粥樣瘤的病變中，局部血管在斑塊變大之前，管腔區域通常不會受到損害，不一定出現血流動力學改變，患者不一定出現心肌缺血癥狀［29-30］。本研究結果顯示，冠狀動脈管腔狹窄程度與CT-FFR之間呈負相關（rs=-0.532 6，Plt;0.001），這一結果表明，單純依靠冠狀動脈管腔狹窄的嚴重程度或單純依靠CT-FFR對目標人群進行風險分層，不能滿足后續臨床決策制訂的需求。

本研究結果顯示，冠狀動脈管腔狹窄程度與CT-FFR聯合對MACE的預測價值最佳，特別是冠狀動脈狹窄程度70%～90%+CT-FFR≤0.8的患者MACE發生率更高，多在3個月內發生。雖然本研究結果顯示，當管腔狹窄程度為50%～69%時，CT-FFR≤0.8的患者MACE發生率要低于CT-FFRgt;0.8的患者，并且患者多在6個月后發生MACE，但既往研究表明［16，23-24，31］，綜合冠狀動脈管腔狹窄的嚴重程度、斑塊成分及相應病變處血流動力學改變、炎癥程度，提出更精細的高危人群分類，可為導管實驗室選擇最理想的阻塞性CAD患者提供關鍵機會，也為阻塞性和非阻塞性CAD患者制訂藥物治療提供關鍵機會，預防真正高風險個體未來MACE的發生，還需要后續大量研究進一步進行驗證。

本研究的局限性：首先，樣本量較少，且隨訪時間短；其次，本研究僅通過CCTA顯示的狹窄程度和CT-FFR從解剖和功能學角度評價患者心肌缺血，沒有與金標準ICA、有創FFR對比驗證，后續還需要擴大樣本量，并與之進行對比、驗證；最后，本研究針對冠狀動脈梗阻性（狹窄程度≥50%）患者，僅探討狹窄程度和CT-FFR以及二者結合后對患者發生MACE事件的預測價值，并沒有從斑塊組成、成分，以及促進斑塊進展的炎癥角度分析其對患者發生MACE的影響，這還需要進一步研究。

綜上所述，冠狀動脈管腔狹窄程度70%～90%、CT-FFR≤0.8是患者發生MACE的危險因素。本研究結果表明，與單獨的狹窄程度相比，CT-FFR可以進一步評價存在冠狀動脈梗阻的穩定性胸痛患者心肌缺血及MACE的發生情況，尤其狹窄程度與CT-FFR聯合后，能更好地預測MACE的發生。雖然，冠狀動脈梗阻的穩定性胸痛患者發生MACE的可能性較大，并且由于冠狀動脈狹窄的嚴重程度并不總是與相應病變處血流動力學改變有很好的相關性，但基于冠狀動脈CTA，增加CT-FFR這種方法可以提供冠狀動脈血流動力學方面更多的信息，在臨床實踐中，醫生綜合患者的一些具體臨床因素，可以進一步評估高危患者，判斷何時可以安全地避免有創血管造影術，明顯降低患者成本的同時，避免了不必要的風險。在對有癥狀的穩定性胸痛患者的一線冠狀動脈CTA做出診斷策略時，考慮對冠狀動脈梗阻性、CT-FFR陽性的患者進一步干預是有必要的。

參考文獻

VADUGANATHAN M，MENSAH G A，TURCO J V，et al. The global burden of CardiovascularDiseases and risk［J］. J Am Coll Cardiol，2022，80（25）：2361-2371. DOI：10.1016/j.jacc.2022.11.005.

BARI 2D Study Group，FRYE R L，AUGUST P，et al. A randomized trial of therapies for type 2 diabetes and coronary artery disease［J］. N Engl J Med，2009，360（24）：2503-2515. DOI：10.1056/NEJMoa0805796.

SERRUYS P W，MORICE M C，KAPPETEIN A P，et al. Percutaneous coronary intervention versus coronary-artery bypass grafting for severe coronary artery disease［J］. N Engl J Med，2009，360（10）：961-972. DOI：10.1056/NEJMoa0804626.

TONINO P A，FEARON W F，BRUYNE B D，et al. Angiographic versus functional severity of coronary artery stenoses in the FAME study fractional flow reserve versus angiography in multivessel evaluation［J］. J Am Coll Cardiol，2010，55（25）：2816-2821. DOI：10.1016/j.jacc.2009.11.096.

ANTONOPOULOS A S，ANGELOPOULOS A，TSIOUFIS K，et al. Cardiovascular risk stratification by coronary computed tomography angiography imaging：current state-of-the-art［J］. Eur J Prev Cardiol，2022，29（4）：608-624. DOI：10.1093/eurjpc/zwab067.

DANAD I，SZYMONIFKA J，TWISK J W R，et al. Diagnostic performance of cardiac imaging methods to diagnose ischaemia-causing coronary artery disease when directly compared with fractional flow reserve as a reference standard：a meta-analysis［J］. Eur Heart J，2017，38（13）：991-998. DOI：10.1093/eurheartj/ehw095.

YUAN M Y，WU H，LI R X，et al. The value of quantified plaque analysis by dual-source coronary CT angiography to detect vulnerable plaques：a comparison study with intravascular ultrasound［J］. Quant Imaging Med Surg，2020，10（3）：668-677. DOI：10.21037/qims.2020.01.13.

KAY F U，CANAN A，ABBARA S. Future directions in coronary CT angiography：CT-fractional flow reserve，plaque vulnerability，and quantitative plaque assessment［J］. Korean Circ J，2020，

50（3）：185-202. DOI：10.4070/kcj.2019.0315.

MIN J K，LEIPSIC J，PENCINA M J，et al. Diagnostic accuracy of fractional flow reserve from anatomic CT angiography［J］. JAMA，2012，308（12）：1237-1245. DOI：10.1001/2012.jama.11274.

BAUMANN S，RENKER M，HETJENS S，et al. Comparison of coronary computed tomography angiography-derived vs invasive fractional flow reserve assessment：meta-analysis with subgroup evaluation of intermediate stenosis［J］. Acad Radiol，2016，

23（11）：1402-1411. DOI：10.1016/j.acra.2016.07.007.

WU W，PAN D R，FOIN N，et al. Noninvasive fractional flow reserve derived from coronary computed tomography angiography for identification of ischemic lesions：a systematic review and meta-analysis［J］. Sci Rep，2016，6：29409. DOI：10.1038/srep29409.

PATEL M R，N?RGAARD B L，FAIRBAIRN T A，et al. 1-year impact on medical practice and clinical outcomes of FFRCT：the ADVANCE registry［J］. JACC Cardiovasc Imaging，2020，

13（1 Pt 1）：97-105. DOI：10.1016/j.jcmg.2019.03.003.

CURY R C，LEIPSIC J，ABBARA S，et al. CAD-RADSTM 2.0-2022 coronary artery disease - reporting and data system an expert consensus document of the Society of Cardiovascular Computed Tomography（SCCT），the American College of Cardiology（ACC），the American College of Radiology（ACR）and the North America Society of Cardiovascular Imaging （NASCI）［J］. Radiol Cardiothorac Imaging，2022，4（5）：e220183. DOI：10.1148/ryct.220183.

LI Y，QIU H，HOU Z H，et al. Additional value of deep learning computed tomographic angiography-based fractional flow reserve in detecting coronary stenosis and predicting outcomes［J］. Acta Radiol，2022，63（1）：133-140. DOI：10.1177/0284185120983977.

GAO Z F，WANG X，SUN S H，et al. Learning physical properties in complex visual scenes：an intelligent machine for perceiving blood flow dynamics from static CT angiography imaging［J］. Neural Netw，2020，123：82-93. DOI：10.1016/j.neunet.

2019.11.017.

TESCHE C，DE CECCO C N，BAUMANN S，et al. Coronary CT angiography-derived fractional flow reserve：machine learning algorithm versus computational fluid dynamics modeling［J］. Radiology，2018，288（1）：64-72. DOI：10.1148/radiol.2018171291.

BENTZON J F，OTSUKA F，VIRMANI R，et al. Mechanisms of plaque formation and rupture［J］. Circ Res，2014，114（12）：1852-1866. DOI：10.1161/CIRCRESAHA.114.302721.

KOSKINAS K C，UGHI G J，WINDECKER S，et al. Intracoronary imaging of coronary atherosclerosis：validation for diagnosis，prognosis and treatment［J］. Eur Heart J，2016，37（6）：524-35a-c. DOI：10.1093/eurheartj/ehv642.

VAN DEN HOOGEN I J，DE GRAAF M A，ROOS C J，et al. Prognostic value of coronary computed tomography angiography in diabetic patients without chest pain syndrome［J］. J Nucl Cardiol，2016，23（1）：24-36. DOI：10.1007/s12350-015-0213-5.

CHAIKRIANGKRAI K，VELANKAR P，SCHUTT R，et al. Additive prognostic value of coronary artery calcium score over coronary computed tomographic angiography stenosis assessment in symptomatic patients without known coronary artery disease［J］. Am J Cardiol，2015，115（6）：738-744. DOI：10.1016/j.amjcard.2014.12.032.

LEE K Y，HWANG B H，KIM T H，et al. Computed tomography angiography images of coronary artery stenosis provide a better prediction of risk than traditional risk factors in asymptomatic individuals with type 2 diabetes：a long-term study of clinical outcomes［J］. Diabetes Care，2017，40（9）：1241-1248. DOI：10.2337/dc16-1844.

PARK G M，LEE S W，CHO Y R，et al. Coronary computed tomographic angiographic findings in asymptomatic patients with type 2 diabetes mellitus［J］. Am J Cardiol，2014，113（5）：765-771. DOI：10.1016/j.amjcard.2013.11.028.

HOFFMANN U，FERENCIK M，UDELSON J E，et al. Prognostic value of noninvasive cardiovascular testing in patients with stable chest pain：insights from the PROMISE trial（prospective multicenter imaging study for evaluation of chest pain）［J］. Circulation，2017，135（24）：2320-2332. DOI：10.1161/CIRCULATIONAHA.116.024360.

N?RGAARD B L，TERKELSEN C J，MATHIASSEN O N，

et al. Coronary CT angiographic and flow reserve-guided management of patients with stable ischemic heart disease［J］. J Am Coll Cardiol，2018，72（18）：2123-2134. DOI：10.1016/j.jacc.2018.07.043.

IHDAYHID A R，NORGAARD B L，GAUR S，et al. Prognostic value and risk continuum of noninvasive fractional flow reserve derived from coronary CT angiography［J］. Radiology，2019，

292（2）：343-351. DOI：10.1148/radiol.2019182264.

COENEN A，LUBBERS M M，KURATA A，et al. Fractional flow reserve computed from noninvasive CT angiography data：diagnostic performance of an on-site clinician-operated computational fluid dynamics algorithm［J］. Radiology，2015，274（3）：674-683. DOI：10.1148/radiol.14140992.

YANG D H，KIM Y H，ROH J H，et al. Diagnostic performance of on-site CT-derived fractional flow reserve versus CT perfusion［J］. Eur Heart J Cardiovasc Imaging，2017，18（4）：432-440. DOI：10.1093/ehjci/jew094.

GAUR S，?VREHUS K A，DEY D，et al. Coronary plaque quantification and fractional flow reserve by coronary computed tomography angiography identify ischaemia-causing lesions［J］. Eur Heart J，2016，37（15）：1220-1227. DOI：10.1093/eurheartj/ehv690.

KNUUTI J，BALLO H，JUAREZ-OROZCO L E，et al. The performance of non-invasive tests to rule-in and rule-out significant coronary artery stenosis in patients with stable angina：a meta-analysis focused on post-test disease probability［J］. Eur Heart J，2018，39（35）：3322-3330. DOI：10.1093/eurheartj/ehy267.

TONINO P A，FEARON W F，BRUYNE B D，et al. Angiographic versus functional severity of coronary artery stenoses in the FAME study fractional flow reserve versus angiography in multivessel evaluation［J］. J Am Coll Cardiol，2010，55（25）：2816-2821. DOI：10.1016/j.jacc.2009.11.096.

VON KNEBEL DOEBERITZ P L，DE CECCO C N，SCHOEPF U J，et al. Impact of coronary computerized tomography angiography-derived plaque quantification and machine-learning computerized tomography fractional flow reserve on adverse cardiac outcome［J］. Am J Cardiol，2019，124（9）：1340-1348. DOI：10.1016/j.amjcard.2019.07.061.