在我国，46.6%的脑卒中患者与颅内动脉粥样硬化狭窄（intracranial atherosclerotic stenosis，ICAS）相关，且症状性ICAS患者临床症状严重以及卒中复发率高^［1］。脑卒中患者传统的术前影像评估仅依赖血管狭窄程度等解剖形态学信息，可能会导患者治疗不当或过度治疗^{［2, 3］}。随着对脑卒中机制认知和精准医疗要求的提高，迫切需要为脑动脉狭窄患者提供更全面的功能影像评估。基于计算流体力学（computational fluid dynamics，CFD）技术的冠状动脉CT血流储备分数（CT-derived fractional flow reserve，CT-FFR）评估已在冠心病的临床诊疗中体现了重要的价值，但由于诸多因素的限制，脑动脉血流动力学分析仍处于初步研究阶段，临床应用价值有待进一步考证。本文通过对比和分析冠状动脉CT-FFR和脑动脉功能评估的临床进展，对脑动脉功能影像评估的难点和痛点进行思考，以期为我国脑卒中功能影像评估未来的临床实践提供潜在的解决方案。

1993年Pijls等^［4］首次提出FFR指标，应用压力导丝有创测量狭窄动脉与正常动脉最大血流量之比，简化计算为冠状动脉狭窄远端压力与主动脉根部压力比值（P_d/P_a）。之后，FFR指导低危稳定性心绞痛患者延迟经皮冠状动脉介入治疗（deferral of percutaneous coronary intervention，DEFER）研究^［5］以及比较FFR与常规冠状动脉造影对多支血管病变评估（fractional flow reserve vs. angiography for multivessel evaluation，FAME）研究系列^{［6, 7］}等大型临床研究均证实FFR可作为评估心肌缺血的诊断标准，在指导冠心病治疗决策和预后方面有重要价值，且可降低医疗费用。2018年欧洲心脏病学会冠状动脉血运重建指南^［8］推荐根据FFR指导稳定型心绞痛或无症状性心肌缺血患者的冠状动脉血运重建决策（Ⅰ类推荐，B级依据）。但受限于有创性及高费用等因素，FFR技术在全世界的临床实践中均未大规模普及。随着计算机等技术的快速发展，基于CT数据仿真模拟血流情况可实现无创的FFR测量，使得CT-FFR成为新的研究焦点。早期的三个大型国际多中心研究，即基于CT血管成像（computed tomography angiography，CTA）确定血流储备分数（determination of fractional flow reserve by anatomic computed tomographic angiography，DISCOVER-FLOW）研究、CT-FFR诊断准确性（diagnostic accuracy of fractional flow reserve from CT angiography，DeFACTO）研究和基于CTA对冠状动脉血流深入分析（analysis of coronary blood flow using CT angiography：next steps，NXT）研究已证实CT-FFR相较于单纯冠状动脉CTA（coronary CTA，CCTA）在检测和排除冠状动脉功能性缺血上有更高的诊断性能^{［9, 10, 11］}。同时，CT-FFR在临床治疗策略指导及预后评估方面也得到大量临床证据支持。CT-FFR影响患者预后及医疗费用前瞻性纵向队列（prospective longitudinal trial of FFR_CT：outcome and resource impacts，PLATFORM）研究^{［12, 13］}表明，相较于常规临床治疗决策，CT-FFR指导的策略能使90 d内有创冠状动脉造影（invasive coronary angiography，ICA）率减少61%，且显著降低患者的医疗花费，提高患者的生活质量。CT-FFR在冠状动脉疾病诊断价值（assessing diagnostic value of non-invasive FFR_CT in coronary care，ADVANCA）注册研究^［14］的1年随访结果显示，根据CT-FFR结果决定临床管理决策能减少不良心血管事件，且CT-FFR阴性患者中血运重建比例明显下降，心肌梗死及心源性死亡发生率更低。最近，CT-FFR指导稳定性胸痛评估及治疗（fractional flow reserve derived from computed tomography coronary angiography in the assessment and management of stable chest pain，FORECAST）研究^［15］作为首个探究CT-FFR诊断性能的多中心前瞻性随机对照研究，将1 400例患者随机分为标准组（临床常规治疗组）与试验组（CCTA+CT-FFR），9个月随访结果显示试验组ICA使用率较标准组减少22%，但两组患者心脏相关医疗花费差异无统计学意义，这可能与试验组仅31%患者接受CT-FFR评估等因素有关。2021年美国胸痛评估与诊断指南^［16］推荐急性胸痛且无已知冠心病中危风险的患者，CCTA显示近中段冠状动脉狭窄达40%~90%，可根据冠状动脉CT-FFR结果指导血运重建术（Ⅱa类推荐，B-NR级依据），这表明CT-FFR在辅助临床医生诊断及制定治疗策略方面得到认可。

临床传统认为脑动脉重度狭窄与脑血流量不足直接相关。然而，脑动脉狭窄并不等于缺血，所以迫切需要引入功能学评估指标。一些研究尝试将压力导丝作为评估脑动脉血流动力学改变的，证实了其可行性及安全性^{［17, 18］}。但由于颅内动脉血管壁薄、走行扭曲等解剖学原因，介入手术操作难度增加，以及发生并发症的风险相对较高，临床并未得到广泛应用。因此，有必要建立无创评估的方法推动脑动脉功能评估发展。

我国学者在此方面进行了有益的探索，开展一系列基于无创脑血管影像定量分析脑动脉血流动力学的临床研究。如Chen等^［19］基于磁共振血管成像（magnetic resonance angiography，MRA）图像构建CFD模型，发现狭窄处最大壁切应力（maximum wall shear stress，WSS_max）比值及跨病变压力比与狭窄程度相关性良好，且WSS_max与狭窄前后压力变化呈显著线形相关，这与冠状动脉相关研究结果一致^［20］。但MRA常因复杂血流状态容易导致信号丢失从而高估血管的狭窄程度。相较之下，CTA在诊断脑动脉狭窄方面具有更高的准确性，现已成为急性脑卒中的标准成像方法。Liu等^［21］基于11例已行压力导丝评估患者的CTA数据行CFD分析，发现无创CT-FFR与金标准有创FFR数值接近且高度相关，提示CT-FFR可用于评估脑动脉血流动力学改变。后续研究证实CTA结合CFD技术提取脑动脉血流动力学参数与脑卒中患者复发风险及病变进展相关^{［22, 23］}。这些研究表明无创血流动力学评估具有为脑卒中二级预防提供个体化策略的潜在临床价值。

冠状动脉CT-FFR的成功为脑动脉功能评估指引了方向，但脑血管有更特殊且复杂的解剖及生理结构，来自冠状动脉CT-FFR的临床证据可能并不完全适用于脑动脉。以下从基于CFD的无创血流动力学分析的四大步骤：即血管分割、CFD预处理、计算求解以及性能验证讲述两者之间的差别，思考未来有待改进之处。

1.精准的血管分割是CFD模拟的前提：与冠状动脉CT-FFR已经实现了血管智能提取不同，目前脑血管三维建模主要采用手动分割方法，时间成本高且模型精度低，不适合处理结构复杂的脑动脉网络，难以用于临床实际工作中。此外，大多数研究仅分析局部狭窄血管而忽略整体脑结构，尤其是侧支循环的影响，导致脑底动脉环邻近血管的血流动力学模拟准确性下降^{［21, 22, 23］}。深度学习算法已用于心脑血管分割，在检测脑动脉瘤及动脉闭塞等方面展示了较好的性能^{［24, 25］}，但仍缺少有金标准对照的CTA数据进行脑动脉狭窄深度学习分割及检测的相关研究，限制了脑血管人工智能影像的应用。因此，未来应收集有金标准DSA对照的CTA数据，建立基于创新深度学习算法的全脑动脉精准自动化分割和检测模型，将会推动脑动脉CT-FFR工作的深入开展。

2.准确的CFD预处理是CT-FFR计算的基础：对于三维血流动力学模拟而言，创建有效的网格系统也是重要步骤之一，直接决定了CT-FFR数值计算的精度及效率。网格生成方法主要分为结构化和非结构化网络，前者作为最基础的网格生成技术，因其操作简单、计算时间短，被大多数CFD研究采用^{［19，21, 22, 23］}，但随着求解区域精准性要求的提高，结构化网络技术并不适用于形状复杂的心脑血管网络。非结构化网络能弥补结构化网格的欠缺，特别是自适应网格技术已用于冠状动脉CFD模型，通过将网格划分与数值求解相适应，在提前定义的误构化和非结构化网络，前者作为最基础的网格生成技术，因其操作简单、计算时间短，被大多数CFD差范围内进行网格疏密程度的自动化调整，能够提高梯度区网格划分精度，节省大量计算时间^［26］，为后续模拟患者真实血流动力学状态奠定坚实基础。

CFD的仿真模拟还需完成对血液流变特性、血管弹性及边界条件的假设。血液作为非牛顿流体物质，流动过程中与弹性血管壁相互作用产生的壁剪切应力与剪切速率呈非线性关系，即血液黏度为非固定值。在实际血流动力学模拟中，大部分冠状动脉和脑动脉CFD模型为节省计算成本均忽略流固耦合作用，将模型属性定义为血液黏度固定的牛顿流体及血管顺应性低的刚性血管。上述简化步骤虽能保证CT-FFR等数值模拟的准确性，但考虑非牛顿流体特性及血管弹性将进一步提升计算的准确性，但代价是计算时间成本增加^［27］。大部分脑动脉CFD研究因缺乏患者特异性生理参数，而用文献中统一边界条件行脑血管CFD建模可能无法模拟患者特异性血流状态^{［22, 23］}。相较之下，冠状动脉相关技术较为成熟。因冠状动脉微循环阻力在舒张期最小化并保持恒定，使压力与流量成比例，所以可通过患者冠状动脉及主动脉形态学数据推导出特异性边界条件^［28］。笔者前期合作研发了结合患者特异参数和跨管腔密度梯度算法推导冠状动脉微循环阻力的uCT-FFR血流分析系统，结果显示uCT-FFR的诊断性能高于CCTA及ICA^［29］。在脑动脉模型特异性边界条件构建方面，可通过颈动脉超声或有创压力导丝测量计算流量和压力波形，再结合集总参数模型以模拟远端血管微循环阻力计算特异性出口边界条件^{［19，21］}。未来应纳入其他脑血管成像中患者特定生理参数拓宽CFD的临床应用范围，如CT脑灌注成像、相位对比磁共振成像等；还可以探索基于脑动脉CTA形态学、密度等数据推导边界条件的新方法，优化CFD模拟流程，推进无创脑动脉功能评估的临床开展。

3.高效的计算求解是CT-FFR计算的核心：基于适当的边界条件假设下，常用纳维尔-斯托克斯方程对各分割网格进行流体力学计算求解，能够可视化压力、流速等流场以获取患者血流动力学参数，但多维度数据的庞大计算量显著影响计算时间。现结合机器学习算法高效求解CT-FFR已成为冠心病无创功能影像学评估的热门领域，可显著改善CT-FFR的诊断性能。然而，目前脑动脉CFD算法复杂耗时，且鲜有对全脑动脉血流动力学进行分析研究。近年来，图卷积神经网络在图像重建、疾病检测等领域发展迅速，一方面通过注意力机制能够更有效识别全局血管的特异性几何特征，准确表达全脑动脉拓扑链接；另一方面利用卷积运算在不同维度提取节点局部特征，从而对血流动力学变化做出精确拟合^［30］。基于该技术研发全脑动脉的深度学习模型可能为脑动脉CT-FFR临床落地难题提供可行的解决方案。

4.性能验证是CT-FFR临床应用的保证：由于有创FFR在脑血管病领域尚未普及应用，仅在样本量有限的研究中进行可行性探索^{［21，31］}，所以脑动脉CT-FFR性能验证方面存在较大挑战。首先，临床上仍缺乏类似冠状动脉有创FFR诊断脑动脉功能性缺血的确定阈值，所以针对脑动脉CT-FFR的准确性有待考究。其次，参照冠状动脉CT-FFR研发和应用的成功经验，需开展大规模CT-FFR前瞻性队列研究，探究病变CT-FFR对脑组织缺血特异性的诊断性能。此外，可应用颅脑CT灌注成像作为定量或半定量分析脑组织血流情况的参考标准，与CT-FFR进行比较从而确定其评估预后价值的阈值^［32］。近些年来随着CT技术的快速发展，多期相CTA可同时个体化提供全脑血管动态成像及脑组织灌注信息，准确评估侧支循环状态^［33］，为未来研究脑动脉CT-FFR的阈值及预后价值提供了技术储备。后续应进一步探究脑动脉CT-FFR指导患者分层诊断与治疗的价值，如指导脑动脉狭窄患者颅内支架植入术的选择。

综上所述，冠状动脉CT-FFR的成功为脑血管疾病的诊疗带来新的思考，近些年脑动脉功能评估已经逐步受到重视，有可能改变传统临床诊疗决策局限于解剖信息评估的限制。解决技术层面的难题、开展多中心临床试验与真实世界研究是验证脑动脉功能评估临床潜力和价值的必经之路，该问题的解决将为脑卒中的精准诊疗提供更全面的评价指标。