冠心病是临床最常见的心血管疾病，在我国患病率和病死率逐年增加，且呈年轻化趋势。目前常用的影像检查手段为有创性冠状动脉造影（invasive coronary angiography，ICA）和冠状动脉CT血管成像（coronary CT angiography，CCTA）。ICA是诊断冠心病的金标准，而CCTA已成为冠心病首选的无创影像检查技术，阴性预测值高，被认为是ICA的“看门人”［1］。常规ICA和CCTA主要提供解剖信息评估冠状动脉狭窄程度，难以从功能学角度评价狭窄对心肌血供的影响，鉴别缺血特异性病灶［2］。血流储备分数（fractional flow reserve，FFR）被认为是评价冠状动脉血管生理功能的“金标准”，但因其有创且价格昂贵，临床应用受限［3］。近年来，基于CCTA影像数据应用高级计算流体力学及深度学习等方法获得的FFR（CT-FFR）能在单次检查期间同时提供冠状动脉的解剖和生理学信息，成为临床研究和应用的新热点［4］。为推动CT-FFR技术在我国的规范化应用，在复习大量文献的基础上，结合我国心血管CT影像学的临床实践，经反复讨论达成以下共识。
冠状动脉循环由心外膜血管和心肌内微循环小血管组成。正常生理状态下，血液流经心外膜冠状动脉时并无明显阻力，主要的阻力来自微循环。临床上采用血管扩张剂诱发心肌微循环最大程度充血，使心肌微循环阻力降低至可以忽略不计且恒定，此时心肌血流量仅受灌注压的影响，因此在微循环血管最大充血状态下，狭窄导致的灌注压的变化可反映血流量的变化。FFR即指的是在冠状动脉存在狭窄病变的情况下，该血管所供心肌区域能获得的最大血流量与同一区域理论上正常情况下所能获得的最大血流量之比，简化定义为心肌最大充血状态下狭窄远端冠状动脉内平均压与冠状动脉口部主动脉平均压的比值。有创的FFR需使用压力导丝在狭窄病变的远端进行有创测量，理论正常值为“1”。目前临床应用中推荐0.80为阈值［5］。FFR≤0.80的病变为缺血特异性病变，FFR>0.80病变不会诱发心肌缺血。FFR除可评估冠心病功能性缺血之外，还能指导临床治疗决策。与基于ICA指导的临床决策相比，基于FFR指导的血运重建策略对患者的短期和长期预后均有明显改善，心脏不良事件发生率显著降低［3， 6, 7, 8］。
1.技术原理和工作流程：CT-FFR是将计算流体力学（computational fluid dynamics，CFD）应用于CCTA图像数据模拟冠状动脉生理状态的图像后处理技术，其利用常规标准化CCTA影像数据评估冠状动脉狭窄的血流动力学差异，能无创提供FFR值。在进行CT-FFR分析时，需要将CCTA提供的3D解剖学模型骨架进行分割和建模，整个模型中只录入血管管腔的形态学信息，模拟冠状动脉微循环网络并计算静息和最大充血状态下冠状动脉微循环阻力的变化。将血液设定为不可压缩的牛顿流体，具有恒定的密度和黏度，假设给定一个升主动脉的压力或血流值，再基于CFD的基本原理使用Navier-Stokes方程对CCTA骨架模型进行运算，计算出基于CCTA的3D模型中每个点的静息和最大充血状态下的血流、压力等数值，再经血管大小和阻力间的关系模型得到静息状态下的冠状动脉循环阻力，并模拟和推算最大充血状态下冠状动脉的微循环阻力［9］。基于机器学习（machine learning，ML）算法的CT-FFR技术通过使用多层神经网络结构模型并进行离线训练，确定冠状动脉解剖结构与其相应血流动力学之间的复杂关系。它利用大的数据库对该模型进行模拟训练，最终建立符合CFD规则的、可结合已知CCTA解剖特征与FFR数值的模型［10］。
基于现场工作站的CT-FFR流程为：（1）使用常规标准化的CCTA影像数据创建冠状动脉树模型；软件可以自动提取血管中心线，允许操作者进行编辑，调整管腔轮廓和中心线，创建冠状动脉3D模型。（2）基于CFD模型的CT-FFR半自动软件需要定义入口、出口和边界条件构建患者的血流动力学模型，全自动化软件可根据需要手动调整，继而运用CFD的方法从模型中模拟患者的血流情况和血管的边界状态。基于机器学习算法的CT-FFR不需要确定边界条件。（3）将生理学参数和流体力学原则与解剖学模型结合计算冠状动脉在最大充血状态下的血流量和血压，计算出一个心动周期内冠状动脉树任意位置的CT-FFR值，结果呈现为彩色编码的3D影像，不同颜色标记不同CT-FFR值的范围，可在任意位置进行测量。
2.CT-FFR分析软件：目前的CT-FFR分析软件主要有3种：基于3D-CFD、降维CFD和机器学习算法的CT-FFR分析软件。早期基于3D-CFD模型的CT-FFR运算量很大，需要在核心实验室的超级计算机上运行，以HeartFlow CT-FFR分析软件为代表。该软件是被美国食品药物管理局批准的商用软件，其以血管的3D-CFD为基础，对血管内血流的还原度高，精准度较高，但计算时间较长，且需要专业人员进行处理，限制了其在临床的广泛应用［11］。最近基于3D-CFD模型的uCT-FFR分析软件利用基于经管腔衰减梯度法（transluminal attenuation gradient，TAG）的全冠状动脉模型从算法和技术上进行了大量简化，大大减少了计算时间，可以实现现场工作站的实时显示并有较高的准确性［12］。降维CFD算法的计算量较小，需要较少的解剖学模型，可以在现场工作站实时进行。基于降维CFD的CT-FFR研究显示出良好的诊断效能，且易于操作，简单可行，运算时间短［13］。近年来基于机器学习的CT-FFR分析软件采用多层神经网络结构，基于患者CCTA解剖的几何特征，如血管直径、狭窄程度和血管长度等，研究冠状动脉树解剖结构和血流动力学间的复杂关系，运算时间短，操作易行，有利于临床推广应用［14］，但还未在临床常规应用。
3.比较影像学优势：CT-FFR软件使用标准化的CCTA图像数据，无需额外的CT扫描，不额外增加辐射剂量，也不额外使用药物，在冠心病诊断及随访评估中具有较大优势。（1）与常规CCTA相比，可以同时提供冠状动脉的解剖和功能信息，更可靠地鉴别缺血和非缺血病变；有助于医师准确判断引起心肌缺血的责任血管，避免不必要的有创性检查或治疗相关并发症；随访评估简单易行，可获得更多预后信息。（2）与有创FFR相比，可以提高ICA检查效率，提高住院患者病床周转率，降低患者经济负担。（3）与其他功能性检查相比，如核素心肌灌注显像、MR心肌灌注成像等，CT-FFR简单易行，对检测和排除冠心病有较好的诊断效能，且更易用于随访研究。
1.优化CCTA影像采集：CT-FFR基于CCTA数据来构建患者特异性的冠状动脉树，其判断冠心病功能性缺血的准确性受到算法本身的影响，但从软件算法来看，目前的研究显示基于3D-CFD、降维CFD和机器学习算法在血管水平检测灵敏度的差异无统计学意义，基于3D-CFD和降维CFD算法在特异度和准确度方面差异亦无统计学意义［15］。降维CFD算法与机器学习算法的CT-FFR准确度相当［12］。从CFD算法原则来看，基于TAG算法CT-FFR的诊断准确度高于Huo-Kassab和Murray算法［16］。
CT-FFR的诊断准确度除了受到算法本身影响外，也受到CCTA图像采集等因素的影响。以3D-CFD模型CT-FFR为例，在NXT、PROMISE研究中，CT-FFR较早的版本有11%~33%的CCTA影像无法进行CT-FFR分析［11， 17, 18］，而ADVANCE研究提示利用最新版本的CT-FFR软件在注册队列和临床队列中分别有2.9%、8.4%的病例因CCTA图像质量差而计算失败，最主要的原因是运动伪影［19］，其他常见原因包括图像噪声大、断层及钙化晕状伪影。此外，时间分辨力、图像层厚、管电压及心率是影响CCTA图像质量的独立预测因素，较高的时间分辨力（<100 ms）、薄的图像层厚（≤1 mm）、高管电压（>120 kVp）及较低的心率能够获得更高的图像质量，增加CT-FFR的成功率及准确度［19］。因此行CCTA检查至少要在64排探测器以上的CT设备上完成，并严格遵守心血管CT指南的扫描计划［20, 21］。DeFACTO研究显示，对高心率患者建议在无禁忌证的情况下使用美托洛尔使心率降低至65 bpm以下；CCTA扫描前3~5 min内舌下喷服或含化硝酸甘油扩张冠状动脉，可降低30%的冠状动脉阻力，提高CT-FFR诊断效能。研究显示硝酸甘油的使用量对CT-FFR的测量值无明显影响［22］。心电错误配准是影响CT-FFR诊断准确性的因素，可能会导致冠状动脉边界的错误建模，并且在那些严重心电错误配准的患者中，CT-FFR的诊断敏感度从86%降至43%，准确度从71%降至56%［22］。CT重建算法也会影响CT-FFR的分析，研究显示迭代重建算法能提高CT-FFR的后处理速度，但对诊断性能无明显影响［23］。
推荐意见：推荐CCTA检查至少在64排探测器以上的CT设备上完成；严格遵守心血管CT指南的扫描规范，控制CCTA的影像质量，使得冠状动脉图像质量达到优秀标准，提高CT-FFR的成功率和准确度。
2.选择CT-FFR的测量位置：对于有创FFR而言，需要在最大充血状态下在狭窄远端2~3 cm处测量FFR值。CT-FFR能提供整个冠状动脉树任意位置的FFR值，因此既可以测量狭窄病灶远端的值，也可以得到冠状动脉树最远端的值。早期的研究显示CT-FFR最佳的测量位置为病变最小管腔面积处远端的4.1 cm［24］，但目前研究表明对于确定缺血性病变或指导血运重建，应测量病变水平CT-FFR值，最佳测量位置应选在病变远端2~3 cm处（图1，2），以此判别该病变是否为缺血特异性狭窄［25, 26］。病变水平CT-FFR定义的缺血性病变可以重新分类由血管水平CT-FFR（血管远端测量的最低CT-FFR值）所定义的阳性患者，且在随访周期内病变水平CT-FFR阳性患者血运重建率更高［27］。因此，不能仅基于血管水平的CT-FFR值来考虑是否进行ICA检查或进一步的治疗决策。对于无冠状动脉阻塞性病变的血管，建议记录血管水平的CT-FFR值。
推荐意见：推荐使用病变水平CT-FFR值，即狭窄病变远端2~3 cm测量的CT-FFR值判别是否为缺血特异性狭窄，推荐同时报告每支血管水平的CT-FFR值。
3.选择适应人群和病变：CT-FFR最适合分析那些可能存在血流受限的临界病变（即狭窄程度30%~90%）患者［11， 28］，可用于管腔直径狭窄在90%以下的无心肌缺血证据的病变、急性冠状动脉综合征非罪犯血管病变、急性ST段抬高型心肌梗死发病6 d后的罪犯血管、非ST段抬高型急性冠状动脉综合征罪犯血管不明确的功能学评价，指导治疗决策制定。心肌梗死或血运重建（支架植入或冠状动脉旁路移植术）病史的患者CT-FFR应用经验较少。对于那些存有微血管病变、广泛严重钙化病变的患者，在应用CT-FFR时还需要结合其他的功能评价手段。另外，冠状动脉分叉病变和复杂病灶的研究目前也比较少。建议对疑似冠心病患者参照图3进行病变的功能学评价。
推荐意见：CT-FFR分析的主要适应证为CCTA显示的狭窄程度30%~70%的病变。
4.CT-FFR值的解读：基于FAME等多个试验的结果［3， 7, 8］，目前FFR≤0.80是评估心肌缺血的参考标准，FFR≤0.80的病变宜行血运重建，FFR>0.80的病变为药物治疗的指征。FFR值0.75~0.80为“灰区”，术者可综合患者的临床情况及血管供血的重要性，决定是否进行血运重建［3］。FFR灰区的病变仅依靠药物治疗的效果并不理想［29］。目前对CT-FFR结果的解读与FFR的推荐一致（阈值为0.80），但应注意对CT-FFR“灰区”值病变的解释。尽管CT-FFR与FFR有良好的正相关性，但CT-FFR对FFR值有轻微的高估，大部分的错误分类会发生在CT-FFR值在0.75~0.80的区间内，因此有研究者认为CT-FFR的“灰区”推荐设定在0.70~0.80之间［30］。二分法只适用于CT-FFR>0.80或<0.70的患者，对病变水平CT-FFR值>0.80，认为该病变不会引起缺血改变；病变水平CT-FFR值<0.70的病变，认为是缺血特异性病变，推荐进行血运重建。特别需要强调的是位于“灰区”CT-FFR值的患者，是否需要血运重建应基于更多的信息，包括患者的症状及危险因素，尤其是胸痛的程度，还包括病变供血范围的大小（如左主干、左前降支近段、超优势右冠状动脉或左回旋支近段）以及心肌灌注等功能影像评估结果，以便为患者提供安全、适宜的治疗措施。
推荐意见：对病变远端CT-FFR值>0.80，认为该病变不会引起缺血改变；病变远端CT-FFR值<0.70的病变，认为是缺血特异性病变，推荐进行血运重建；位于“灰区”CT-FFR 值（0.70~0.80）的患者，是否需要血运重建应综合考虑临床和其他功能影像学信息。
1.CT-FFR诊断效能的证据：（1）CT-FFR的诊断效能：①基于3D-CFD的CT-FFR诊断效能：在血管水平，3个大的前瞻性多中心研究提示3D-CFD CT-FFR确定缺血特异性病变的敏感度为80%~88%，特异度为61%~86%［11， 18， 31］。基于中国多中心CT-FFR研究显示新型3D-CFD的CT-FFR软件具有89%的敏感度和91%的特异度［12］，且与有创性FFR有很好的相关性，确定缺血性病变的能力均较CCTA高。②基于降维CFD的CT-FFR诊断效能：在血管水平，基于降维CFD CT-FFR的诊断敏感度及特异度分别为78%~94%、65%~96%，与单独的CCTA相比，CT-FFR的特异度明显提高，但敏感度相当［14］。③基于机器学习算法的CT-FFR诊断效能：诊断特异度缺血病变的敏感度为82%~91%，特异度76%~96%。目前研究证据显示，基于机器学习与基于3D-CFD的CT-FFR相关性很好，诊断效能相当［10， 14］。
（2）在临界病变中的应用：冠状动脉狭窄程度为30%~70%的病变称为临界病变，临界病变常出现解剖狭窄与缺血的不匹配，部分临界病变是导致急性冠状动脉综合征的罪犯病变，因此评估其功能性改变对制定治疗决策有重要影响，是临床诊治冠心病所面临的最大挑战之一。CT-FFR在冠状动脉临界病变功能性评价的准确性已得到多个研究验证。以血管为分析水平，CT-FFR诊断缺血特异性临界病变的敏感度、特异度、准确度分别为74%~91%、67%~94%、69%~78%［32］。Meta分析示CT-FFR检测缺血特异性临界病变的敏感度、特异度及准确度为87%、81%、82%［15］，CT-FFR重新正确区分了68%的缺血假阳性患者［11］，较单独的CCTA有更高的诊断性能。
（3）在钙化病变的应用：钙化斑块可引起晕状伪影，遮蔽管腔，干扰CCTA对冠状动脉狭窄程度的评估。目前CT-FFR在钙化病变中的应用主要集中在不同钙化积分对CT-FFR准确性的影响，钙化积分不管在400以上或以下，CT-FFR对缺血特异性病变的诊断准确度均高于单独的CCTA［33］。NXT亚组研究分析了冠状动脉钙化（钙化积分为0~3 599）对CT-FFR诊断效能的影响，发现CT-FFR在不同钙化积分区间都有较高的诊断准确度，较常规CCTA提高了特异性缺血病灶的诊断效能［34］。另一项研究显示CT-FFR提高了轻中度钙化患者（钙化积分≤1 000）特异性缺血的诊断能力，与有创FFR相关系数为0.81［35］。但目前发表的CT-FFR研究中纳入重度钙化患者（钙化积分>1 000）的比例相对较少，需要更多大规模的研究来验证重度钙化对CT-FFR诊断效能的影响。另外，钙化的其他特征，如钙化的大小、形态以及钙化周围血流动力学对CT-FFR的影响还有待进一步研究。
推荐意见：CT-FFR与单独的CCTA相比诊断缺血特异性狭窄有更高的诊断效能。目前的证据显示钙化对CT-FFR 诊断效能无影响，但对钙化积分>1 000患者的诊断效能还需进一步研究。
2.指导冠心病患者后续诊疗临床决策：CT-FFR可同时提供冠状动脉的解剖和功能信息，可以指导临床怀疑冠心病患者的诊疗策略，减少不必要的有创检查。PLATFORM研究结果显示［36］，CT-FFR指导的队列组取消ICA的比率为61%，在90 d随访期内无主要心脏不良事件（major adverse cardiac events，MACE）发生。经过1年随访证实，基于CT-FFR指导的队列中不需要行ICA检查的117例患者并没有出现MACE［37］。RIPCORD试验进一步研究证实与单独的CCTA相比［38］，心内科医师利用CT-FFR改变了36%患者的治疗决策，包括内科药物治疗、经皮冠状动脉介入术（percutaneous coronary intervention，PCI）和冠状动脉旁路移植术（coronary artery bypass surgery，CABG）。ADVANCE大型前瞻性多中心研究评价了真实世界中CT-FFR对后续治疗决策以及90 d MACE的影响［39］。结果显示，与仅依靠CCTA的治疗决策相比，CT-FFR改变了2/3患者的治疗决策，而且出现更少的ICA阴性结果，且阴性CT-FFR指导推迟进行ICA检查的患者在12个月的随访周期内并未发生MACE［40］。
CT-FFR可以指导临床治疗决策改善患者预后从而节省医疗成本。PLATFORM的亚组研究评估了CT-FFR指导临床决策后对医疗资源的有效利用及对患者生活质量的影响，分别在90 d和1年的随访周期内进行成本核算，发现CT-FFR指导组与常规决策组相比患者的生活质量得到改善，后续诊疗成本分别降低了32%和33%［37］。NXT试验中254例患者应用CT-FFR指导的策略与ICA指导的策略相比，也提示降低了32%的成本［41］。555例急性胸痛就诊患者的应用研究显示，258例CCTA和297例CT-FFR患者90 d内在资源利用及总体医疗成本上并无明显统计学意义，不同狭窄程度（包括狭窄程度为51%~70%和>70%的患者）但CT-FFR阴性患者的医疗花费更低［42］。
在多支血管病变中，CT-FFR可无创判断罪犯血管，重新定义需要干预的缺血特异性病变的血管数目，为选择合适的血运重建方式提供决策依据。SYNTAX评分主要针对左主干病变和/或3支血管病变，该评分系统根据病变位置、严重程度、分叉、钙化等解剖特点定量评价病变的复杂程度，根据积分的高低为手术方式选择提供初步判断［43］。在复杂3支冠状动脉病变（狭窄程度≥50%）患者中，利用CT-FFR获得的无创性功能SYNTAX评分与解剖学SYNTAX评分相比，将30%的患者从中高危组重新分类到低危组［44］。基于CT-FFR的无创性功能SYNTAX评分的治疗决策指导价值在SYNTAX Ⅲ REVOLUTION研究中也得到了验证，发现CT-FFR组改变了7%（14/196）患者的血运重建策略，其中13例患者的手术方案由CABG改为PCI［45］。SYNTAX Ⅲ REVOLUTION研究也证实CT-FFR可以指导CABG手术方案［46］，但这仍需要更大样本的研究验证。CT-FFR在其他复杂病变，如分叉病变、左主干病变、单支串联病变或弥漫性病变等的价值亦需深入系统研究。
推荐意见：对疑似冠心病患者推荐行全冠状动脉树的CT-FFR分析，无创评估多支血管病变的功能意义，制定后续治疗决策。
3.在冠心病患者预后评估中的应用：CT-FFR可用于评估冠心病患者预后，对疑似冠心病患者或者急性胸痛患者CT-FFR可以预测90 d心脏不良事件，减少非阻塞性冠心病的ICA检查率［36］，1年随访研究发现根据CT-FFR取消ICA的稳定性胸痛患者均未发生MACE［37］。ADVANCE试验1年随访数据亦证实，CT-FFR值越低，MACE发生率越高［40］。将CT-FFR与不同测量指标结合可提高其预测MACE的能力，如CT-FFR ≤0.80联合Framingham风险评分、CAD-RADS ≥3预测MACE的曲线下面积为0.78［47］，CT-FFR ≤0.80及CCTA狭窄程度≥50%、斑块特征预测MACE的曲线下面积到达0.94［48］。总之，这些研究结果提示CT-FFR在冠心病近期和远期预后评估中均有重要价值。
基于CT-FFR等血流动力学参数能够识别高危冠状动脉斑块和高危人群。近期的研究显示，在CCTA检查后1个月至2年内发生急性冠状动脉综合征的患者中，发现增加CT-FFR等血流动力学参数提高了高危斑块预测发生急性冠状动脉综合征的能力［49］，CT-FFR可以预测急性冠状动脉综合征患者非罪犯病变发生MACE，从而筛选出高危人群。
推荐意见：CT-FFR可作为冠心病患者近期和远期预后评估的方法，改善患者的危险分层能力。
4.指导冠状动脉血运重建术：PCI是冠心病患者最常见的血运重建术，但金属支架的伪影导致CCTA经常高估狭窄程度，限制了其在PCI术后的应用。有创性FFR可实现功能评估支架再狭窄，但临床应用有限。利用CT-FFR虚拟模拟运算模式来验证其在冠状动脉虚拟支架置入前后的准确性，结果显示虚拟支架置入前后的CT-FFR与有创FFR有良好的一致性，CT-FFR预测虚拟支架置入前缺血性病变的准确度为77%，预测虚拟支架置入后残余缺血的准确度为96%［50］。因此，CT-FFR可帮助计划行PCI的患者选择目标病灶和支架大小，并预测支架放置后的功能性改变，但CT-FFR在PCI术后的准确度及结局预测尚需要大样本及不同类型支架的研究进一步证实。随着CCTA成像性能的提升以及支架材料的日益改进，基于较高图像质量的CCTA和CT-FFR有望改善PCI术后的评估性能。
推荐意见：对计划行PCI的患者，可通过CT-FFR分析选择目标病灶，并预测支架放置后的功能性改变，但其价值需要进一步研究。
5.在其他冠状动脉病变的应用：CT-FFR还可用于其他冠状动脉病变，如心肌桥、冠状动脉起源异常等的研究中。心肌桥患者的CT-FFR值与胸痛程度有相关性，心肌桥的长度和舒张期冠状动脉狭窄程度可预测CT-FFR值异常［51］；CT-FFR在诊断心肌桥合并动脉粥样硬化患者特异性缺血中有高的准确性［52］；基于CCTA的心肌桥解剖特征和基于CT-FFR功能学信息能更好地预测心肌桥前端的斑块形成，而病变远端的CT-FFR值与CT-FFR变化值（病变近端CT-FFR值与远端CT-FFR值的差值）是最有力的预测因素［53］.，提示血流动力学因素对心肌桥近端斑块形成起着重要作用。CT-FFR还可用到冠状动脉起源异常的研究中，提示临床医师及时采取治疗策略［54］，但缺乏大样本的系统性研究验证其价值。
推荐意见：CT-FFR是心肌桥所致血流动力学变化较准确的无创性功能评估方法，在其他冠状动脉病变中的价值仍需进一步探索。
虽然CT-FFR在冠心病诊断效能、治疗决策及预后评估方面得到了验证，但目前CT-FFR还有一些局限性。（1）CT-FFR在冠状动脉串联性病变及弥漫性病变应用中经验尚不足。（2）CT-FFR在PCI术后或CABG术后、急性冠状动脉综合征及微循环病变的患者的应用还缺乏临床证据。（3）CCTA图像质量会影响CT-FFR的准确性及可重复性。（4）部分CT-FFR软件的计算时间较长限制了其在急诊环境中的应用。
尽管近年来CT-FFR的应用取得了较大的进展，但CT-FFR技术本身还有较大的发展空间。（1）CT-FFR算法本身需要进一步提升使其能广泛应用于临床实践，其临床适应证及价值亦应进一步拓展深化。（2）目前的大部分研究集中于通过CT-FFR本身，并未充分利用CCTA数据，比如结合高危斑块特征和血管重构等应能提供更多的临床预后信息。未来的研究应该充分利用血流动力学信息测量冠状动脉粥样斑块的生理学指标，结合CT-FFR和斑块特征预测斑块破裂和心脏不良事件的风险。（3）需要比较CT-FFR与其他无创功能成像技术，例如心肌CT灌注成像等在冠心病诊疗路径中的价值。一些大型多中心临床试验已经开始了这方面的尝试，如CREDENCE试验（NCT 02173275）［55］，这些试验数据能进一步提供CT-FFR临床应用的证据。（4）未来应集中利用机器学习模式从CCTA影像、电子病历、可穿戴设备、基因等数据中获取更多有用的信息，以改善冠心病患者的诊断、风险管理和临床预后。
综上所述，CT-FFR可实现对冠心病特异性缺血病灶解剖和功能的一站式评估，与有创的FFR相比有较高的一致性；CT-FFR可以指导后续的血运重建术，起到“看门人”的作用，降低医疗成本，改善患者预后。CT-FFR有可能改变冠心病的诊疗流程，但还需要更多的证据才能进一步推动CT-FFR在临床的广泛应用，以使更多患者受益。
执笔者：张龙江（解放军东部战区总医院放射诊断科）
共识专家组成员（按照姓氏笔画排序）：马林（解放军总医院）、王红（新疆医科大学第二附属医院）、王怡宁（中国医学科学院 北京协和医学院 北京协和医院）、王培军（同济大学附属同济医院）、王维（中南大学湘雅三医院）、王嵩（上海龙华医院）、王锡明（山东省立医院）、王静雯（同济大学附属同济医院）、方向明（无锡市人民医院）、卢光明（解放军东部战区总医院）、卢铃铨（南京市第一医院）、史大鹏（河南省人民医院）、冯晓源（复旦大学附属华山医院）、吕滨（中国医学科学院阜外医院）、吕琦（同济大学附属同济医院）、朱力（宁夏医科大学总医院）、朱铭（上海交通大学医学院附属上海儿童医学中心）、乔红艳（江南大学附属医院）、任克（厦门大学附属翔安医院）、刘士远（海军军医大学附属长征医院）、刘文亚（新疆医科大学第一附属医院）、刘兆玉（中国医科大学附属盛京医院）、刘含秋（复旦大学附属华山医院）、刘挨师（内蒙古医科大学附属医院）、刘爱连（大连医科大学附属第一医院）、许乙凯（南方医科大学南方医院）、严福华（上海交通大学医学院附属瑞金医院）、李东（天津医科大学总医院）、李明利（中国医学科学院 北京协和医学院 北京协和医院）、李澄（东南大学附属中大医院）、杨健（西安交通大学第一附属医院）、邱士军（广州中医药大学第一附属医院）、余日胜（浙江大学医学院附属第二医院）、余永强（安徽医科大学第一附属医院）、宋法亮（新疆生产建设兵团总医院）、张龙江（解放军东部战区总医院）、张永海（青海省第五人民医院）、张伟国（陆军军医大学大坪医院）、张明（西安交通大学第一附属医院）、张佳胤（上海交通大学附属第六人民医院）、张敏鸣（浙江大学医学院附属第二医院）、张琳琳（中华放射学杂志编辑部）、张辉（山西医科大学第一医院）、张瑞平（山西白求恩医院）、陈卫霞（四川大学华西医院）、陈旺生（海南省人民医院）、陈峰（浙江大学医学院附属第一医院）、欧阳汉（中国医学科学院肿瘤医院）、罗天友（重庆医科大学附属第一医院）、金征宇（中国医学科学院 北京协和医学院 北京协和医院）、周丹（南京明基医院）、周帆（解放军东部战区总医院）、周纯武（中国医学科学院肿瘤医院）、周诚（卫生部北京医院）、郑敏文（空军医科大学第一附属医院）、单鸿（中山大学附属第五医院）、孟晓春（中山大学附属第三医院）、赵卫（昆明医科大学第一附属医院）、赵振军（广东省人民医院）、胡秀华（浙江大学医学院附属邵逸夫医院）、侯阳（中国医科大学附属盛京医院）、姜慧杰（哈尔滨医科大学附属第二医院）、徐怡（江苏省人民医院）、徐磊（首都医科大学附属北京安贞医院）、殷洁（南阳市中心医院）、高宏（中华放射学杂志编辑部）、高培毅（首都医科大学附属北京天坛医院）、郭启勇（中国医科大学附属盛京医院）、郭顺林（兰州大学第一附属医院）、席芊（上海市东方医院）、唐春香（解放军东部战区总医院）、黄文杰（常州市第一人民医院）、黄德建（江苏中西医结合医院）、银武（西藏自治区人民医院）、彭卫军（复旦大学附属肿瘤医院）、蒋中灿（遵义市播州区人民医院）、韩萍（武汉华中科技大学附属协和医院）、焦俊（贵州医科大学附属医院）、曾庆思（广州医科大学附属第一医院）、詹松华（上海中医药大学附属曙光医院）、薛华丹（中国医学科学院 北京协和医学院 北京协和医院）、戴旭（中国医科大学附属第一医院）
利益冲突 所有作者均声明不存在利益冲突
