김중선 교수, 연구 논문 발표

연세대학교 세브란스 병원 소속 김중선 교수가 해외 학술지에 교술 저자로 논문을 발표했다.

Assessment of Fractional Flow Reserve in Intermediate Coronary Stenosis Using Optical Coherence Tomography-Based Machine Learning

연구 주제는 'Assessment of Fractional Flow Reserve in Intermediate Coronary Stenosis Using Optical Coherence Tomography-Based Machine Learning' 이다.

해당 논문은 해외학술지 (Frontiers in Cardiovascular Medicine)에 게재되었다.

관상동맥질환에서 FFR(Fractional Flow Reserve)을 포함한 혈류역학 특징을 평가하기 위한 기계 학습(ML) 기술은 다양한 이미징 양식을 기반으로 개발되었습니다. 그러나 모든 관상동맥 영역에 대해 OCT(광간섭 단층 촬영) 기반 ML 모델을 사용한 연구는 없습니다.

본 연구는 관동맥 영역에 관계없이 OCT 기반 ML-FFR과 유선 기반 FFR의 진단 정확도를 평가하고 비교하는 것을 목적으로 한다.

OCT 및 FFR 데이터는 130명의 환자에서 356개의 개별 관상 동맥 병변에 대해 얻었습니다. 교육 그룹과 테스트 그룹은 4:1의 비율로 나뉘었습니다.

ML-FFR은 검사군에 대해 유도되었고, 허혈 진단 측면에서 유선 기반 FFR과 비교되었다(FFR ≤ 0.80).대상자들의 평균 연령은 62.6세였다. 좌전하행동맥, 좌회선동맥, 우관상동맥의 수는 각각 130개(36.5%), 110개(30.9%), 116개(32.6%)였다.

7가지 주요 기능을 사용하여 ML-FFR은 유선 기반 FFR과 강한 상관관계(r=0.8782, P<0.001)를 보였다. ML-FFR은 민감도 98.3%, 특이도 61.5%, 전체 정확도 91.7%(곡선 아래 면적: 0.948)로 테스트 세트에서 와이어 기반 FFR ≤ 0.80을 예측했습니다. 외부 검증은 좋은 상관관계(r=0.7884, P<0.001)와 83.2%의 정확도(곡선 아래 면적: 0.912)를 보여주었습니다.

OCT 기반 ML-FFR은 관상동맥 영역에 관계없이 FFR 예측에 좋은 진단 성능을 보였다. 본 연구는 소규모 연구였기 때문에 향후 대규모 연구에서 그 성과를 보증할 수 있어야 한다.