Introducción y Objetivos
La reserva fraccional de flujo (FFR) es un estándar de oro para evaluar la severidad fisiológica de las estenosis de las arterias coronarias, determinando la necesidad de revascularización. Sin embargo, su uso invasivo y costoso limita su adopción en la práctica clínica. Este estudio propone un modelo de aprendizaje profundo para estimar FFR no invasivamente a partir de imágenes de angiografía, clasificando las imágenes en dos categorías: FFR > 80 y FFR ≤ 80.
Métodos
Se utilizaron imágenes de angiografía de 41 pacientes, extrayendo un total de 3625 imágenes. Se emplearon nueve redes neuronales convolucionales (CNN) preentrenadas para extraer características de las imágenes: DenseNet121, InceptionResNetV2, VGG16, VGG19, ResNet50V2, Xception, MobileNetV3Large, DenseNet201 y DenseNet169. Entre estas, DenseNet169 mostró el mejor rendimiento con una AUC de 0.81, precisión de 0.81, sensibilidad de 0.86, especificidad de 0.75, precisión de 0.82 y F1-score de 0.84.
Resultados
El método propuesto demostró ser efectivo para estimar FFR a partir de imágenes de angiografía de manera no invasiva, proporcionando un gran potencial clínico para el diagnóstico y tratamiento de la enfermedad arterial coronaria al combinar parámetros anatómicos y fisiológicos. Esto puede reducir la variabilidad en la evaluación visual y mejorar la toma de decisiones clínicas.
Discusión y Conclusiones
La evaluación no invasiva del FFR mediante el uso de imágenes de angiografía y técnicas de aprendizaje profundo ofrece una alternativa prometedora para superar las limitaciones del método invasivo tradicional. La integración de este enfoque en los laboratorios de cateterismo cardíaco podría mejorar significativamente los resultados clínicos al evitar procedimientos innecesarios y reducir costos médicos.
Referencia Bibliográfica: #
Arefinia, F., Aria, M., Rabiei, R., Hosseini, A., Ghaemian, A., & Roshanpoor, A. (2024). Non-invasive fractional flow reserve estimation using deep learning on intermediate left anterior descending coronary artery lesion angiography images. Scientific Reports, 14:1818. https://doi.org/10.1038/s41598-024-52360-5
