文献速递心血管胸部CTMRPET

放射组学在心脏影像中的应用:综合综述

Radiomics applications in cardiac imaging: a comprehensive review.
PubMed 文献 · Radiol Med · 2023-06-16

本文综述放射组学在心血管影像中的应用现状,重点介绍其在冠状动脉CT血管成像(CCTA)评估斑块易损性、晚期动脉粥样硬化病变、冠状动脉周围脂肪组织(PCAT),以及心脏磁共振(CMR)评估结构性心脏病方面的研究结果。放射组学可提高诊断准确性、减少阅片者主观性,但因缺乏标准化采集协议、方法不一致、缺乏外部验证及阅片者经验差异,尚未进入临床常规。

要点

  • CCTA放射组学特征中,高阶统计量(GLCM、GLRLM、几何特征)对识别薄纤维帽粥样硬化斑块(NRS)的预测价值优于一阶统计量。
  • 分形盒计数维数可识别IVUS衰减斑块(AUC 0.72)和OCT薄纤维帽粥样硬化斑块(AUC 0.80),高衰减体素表面积识别NaF18-PET阳性斑块AUC达0.87。
  • 基于T1加权非增强短轴图像的纹理分析中,GLevNonU以46为截断值区分肥厚型心肌病与健康对照,敏感度94%、特异度90%。

核心结论

  • 放射组学在CCTA和CMR中显示出提高诊断准确性、风险分层和随访能力的潜力,可克服阅片者主观性和缺乏可重复性的局限。
  • 放射组学尚未应用于临床常规,原因包括缺乏标准化参数采集、放射组学方法不一致、缺乏外部验证以及阅片者知识和经验差异。

研究设计与样本

  • 综述类文章,检索范围与纳入文献未在节选内容中报告,文中汇总了CCTA和CMR放射组学应用的多项研究。
  • 纳入研究包括回顾性分析(如Kolossváry等纳入2674例连续因稳定胸痛行CCTA的患者,识别30例NRS斑块患者并匹配非NRS对照组)及使用CRISP-CT和SCOTHEART研究池的回顾性分析(5487例CCTA,匹配101例MACE和101例无MACE病例)。

关键影像表现/征象

  • NRS表现为斑块横截面中心低CT衰减核心区,周围环绕薄层较高CT衰减环。
  • 高危斑块中央脂质池低衰减体素相邻排列,高衰减体素相对稀少且占据有限空间,导致高衰减体素分形盒计数维数取值较低;稳定斑块高衰减体素散在分布,该特征取值较高。
  • CCTA传统视觉分类(钙化、部分钙化、非钙化)和斑块衰减模式分类(均匀、不均匀、伴NRS)均为主观视觉评估,缺乏可重复性。
  • 直方图方法显示密度值<60 HU可准确识别脂质核心斑块,但不同组织成分对UH值的影响降低了该方法可靠性。
  • IVUS将软斑块识别为低回声,OCT可识别薄纤维帽粥样硬化斑块;NaF18-PET可识别冠状动脉粥样硬化斑块中的炎症和微钙化。

诊断标准与关键数值

  • CCTA放射组学识别NRS斑块:提取4440个特征,916个(20.6%)在两组间有显著差异,440个(9.9%)AUC>0.80(一阶统计特征8个、GLCM 348个、GLRLM 30个、几何特征54个)。
  • CCTA放射组学识别斑块易损性:高衰减体素分形盒计数维数识别IVUS衰减斑块AUC 0.72,识别OCT薄纤维帽粥样硬化斑块AUC 0.80;高衰减体素表面积识别NaF18-PET阳性斑块AUC 0.87。
  • CMR纹理分析区分HCM与健康对照:GLevNonU截断值46,敏感度94%、特异度90%;GLevNonU区分LGE阴性HCM患者与健康对照,敏感度100%、特异度90%。
  • PCAT放射组学特征:FRP与MACE风险正相关,截断点0.63。

临床应用与阅片要点

  • CCTA放射组学可用于客观评估斑块易损性,GLCM、GLRLM和几何特征对NRS检测的预测价值优于一阶统计量。
  • 分形盒计数维数等放射组学特征可作为无创替代IVUS、OCT和PET/CT识别斑块易损性标志物的方法,诊断准确性达良好至优秀。
  • T1加权非增强CMR纹理分析可检测肥厚型心肌病患者心肌组织改变,作为LGE的替代无对比剂评估方法。
  • PCAT放射组学特征FRP可改善个体心脏风险分层,区分急性心肌梗死与稳定冠心病患者。

局限性

  • 放射组学尚未应用于临床常规,原因包括缺乏标准化参数采集、放射组学方法不一致、缺乏外部验证以及阅片者知识和经验差异。
  • 图像采集是放射组学工作流程中最具挑战性的步骤,缺乏标准化采集协议影响分析可重复性。
全文中译12 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Radiol Med. 2023 Jun 16;128(8):922–33. doi: 10.1007/s11547-023-01658-x

引言

在过去二十年中,冠状动脉计算机断层扫描血管造影(CCTA)和心脏磁共振(CMR)作为改善心血管医学患者护理的诊断技术,其效用已得到充分确立[1, 2]。鉴于其高诊断性能,CCTA最近被纳入欧洲心脏病学会(ESC)国际指南,作为慢性冠状动脉综合征诊断和管理的I类推荐[3]。CMR已成为缺血性心脏病(IHD)、心肌病、心肌炎患者诊断、风险分层和随访以及评估许多其他结构性心脏病的有价值工具[4]。

目前,心脏成像领域的进展使得定义和验证心脏损伤标志物成为可能,例如晚期钆增强或碘增强。然而,阅片者的经验在CMR和CCTA的视觉评估中起着决定性作用,因此也决定了辨别细微差异或定义新成像标志物的能力。基于从放射学图像提取数据的定量评估的新图像分析技术,可以提高诊断和预后准确性,减少阅片者的视觉偏差和主观性[5]。

在“个性化治疗”和“精准医学”的新时代,许多新兴的转化研究领域,如基因组学、蛋白质组学或代谢组学,兴起以支持循证临床决策[6, 7]。与这些广为人知的“组学”科学类似,一个快速发展的研究领域——“放射组学”——因医学成像的日益广泛使用而诞生[8]。

放射组学是一个有前景的医学研究领域,其内容为从医学图像中提取和分析定量指标,从而将图像转化为可挖掘的数据[8, 9]。放射组学背后的主要假设是,生物医学图像中包含了大量人眼无法感知、传统定性视觉分析无法获取的信息[10]。因此,放射组学的目的是从隐藏的洞见中获得新的无创成像生物标志物,能够与预后和治疗反应相关联[11]。

本综述的目的是概述放射组学的技术原理,并描述其在心血管成像中的临床应用以及聚焦于CCTA和CMR的重要结果。

技术原理

放射组学工作流程分为后续且相互依赖的步骤:图像采集、原始数据重建、图像预处理、图像分割、特征提取、特征选择、模型构建和验证(图1)[12]。

图像采集可能是最具挑战性的步骤,因为缺乏标准化采集方案会影响分析的可重复性。因此,实施标准化数据采集方案和数据分析技术对于为放射组学分析提供坚实的框架至关重要[13, 14]。

图像分割是影像组学工作流程的第二步,其中绘制一个或多个感兴趣区(ROI)以涵盖待分析的解剖区域[15]。可采用不同的分割系统:手动、半自动或全自动。手动分割是一个耗时的过程,依赖于放射科医生的经验,并受到观察者内和观察者间广泛变异性的影响。另一方面,半自动和自动分割系统由于高准确性、低读者间变异性和高可重复性而显示出有前景的结果。

在影像组学工作流程自动化领域,人工智能的应用正被证明在克服某些局限性方面具有潜在作用,例如较长的前置时间和手动分析的缓慢过程[16, 17]。

一旦图像被分割,就从先前勾画的ROI中提取定量参数;所获得的特征分为形状特征,描述ROI的形状和几何结构(例如体积、最大表面积):一阶、二阶和高阶统计量[12]。

一阶统计量也称为基于强度的统计量,评估体素分布而不考虑其空间关系,包括峰度、偏度、一阶熵、所有像素均值、正像素均值和标准差[13]。

二阶统计量考虑相邻体素之间的空间关系[7],包括游程矩阵(RLM)、灰度共生矩阵(GLCM)和灰度游程长度矩阵(GLRLM)。高阶统计量在对图像应用滤波器或数学变换后分析多个像素之间的关系和差异[9]。

一旦提取了特征,影像组学工作流程的下一步包括设计统计模型,其中将性能最佳的图像特征与临床数据相结合,以提供能够支持临床决策的工具。通常应用多种统计方法来构建此类模型,如线性回归、逻辑回归、Cox比例风险回归、最小绝对收缩和选择算子(LASSO)[18]。一旦构建了影像组学模型,就必须对其进行优化和验证,以优化其临床可靠性[12]。

基于纹理的指标已广泛应用于肿瘤学中,以提高诊断准确性、分期、分级和治疗反应评估。然而,这种新技术在心脏成像中应用很少,可能是由于心血管成像技术的复杂性[14]。

这一新学科有潜力增加我们的医学知识并确保临床决策的更大有效性。

图1 放射组学工作流程示意图。a 图像分割:在每个手动或自动绘制的感兴趣区(ROI)中可发现大量数据,仅凭视觉评估无法检测,但可通过先进的放射组学软件进行分析。b 数据集划分与特征提取:数据分别提取并分类,以作为独立变量进行分析。c 统计分析:每个变量均进行统计分析,以寻找性能最佳的参数。d 模型构建与验证:利用最有效的变量构建预测模型,并通过受试者工作特征(ROC)曲线分析进行检验;有价值的模型应应用于内部或外部队列以最终验证。 查看原图 ↗

放射组学在冠状动脉计算机断层扫描血管造影(CCTA)中的应用

根据ESC 2019指南[3],对于经临床可能性分层的特定患者,CCTA应被视为慢性冠脉综合征的一线诊断检查,与其他无创技术及有创冠状动脉造影(ICA)并列,这是由于其排除冠状动脉狭窄的阴性预测值(NPV)达97–99%,并能直接显示血管壁和斑块形态[15, 19]。

应用于CCTA的放射组学在于构建大数据存储库,其中每个病变由数百种不同的参数表征,这些参数仅凭视觉评估无法检测,从而能够改进放射学图像的后处理分析和解读[20]。本节的目的是综述当前放射组学在心血管CT中的应用。

放射组学在CCTA评估冠状动脉斑块易损性中的应用

斑块破裂继发管腔内血栓形成是急性心肌梗死(AMI)最常见的病因[21]。因此,现代心脏放射学的主要挑战之一在于识别可靠的斑块不稳定性标志物,以预防重大缺血事件。

源自CCTA的四种不同斑块特征与主要不良心血管事件相关:正性重构、低衰减、点状钙化和餐巾环征(NRS)[1, 22]。后者是唯一的非定量标志物,依赖于阅片者的视觉判读。NRS被描述为斑块横截面以低CT衰减的核心区域为特征,周围环绕高CT衰减的薄环[23],可独立于狭窄程度预测斑块的缺血负荷[24]。多项研究表明,放射组学可通过CT图像的客观评估来加强NRS的识别。

在一项回顾性分析中,Kolossváry等[25]揭示了影像组学分析在识别伴有NRS斑块方面的高效性。作者连续纳入2674例因稳定性胸痛接受CCTA的患者,在30例患者中识别出30个NRS斑块(NRS组),并设立人口学特征匹配的非NRS对照组。手动选择斑块后,使用自动斑块分析工具进行图像分割和数据提取(图2)。对于每个冠状动脉斑块,共提取4440个影像组学特征,其中916个(20.6%)在两组间提供显著差异。440个特征(9.9%)的曲线下面积(AUC)> 0.80:具体而言,一阶统计特征中有8个参数,GLCM中有348个参数,GLRLM中有30个参数,基于几何的特征中有54个参数。此外,两组间在传统斑块特征方面未发现显著差异。

这些结果表明,对冠状动脉斑块进行影像组学分析是可行且有效的,其诊断性能优于常规评估。结果还揭示,体素的空间分布参数(GLCM、GLRLM和基于几何的特征)作为NRS检测的影像标志物,比一阶统计具有更好的预测价值。

CCTA数据应与其他成像模态的数据整合,以全面了解CAD的演变并预防不良事件。有创冠状动脉造影具有高空间分辨率和详细的血管腔描绘特点,但无法显示血管壁[26]。相比之下,血管内超声(IVUS)和光学相干断层扫描(OCT)可直接显示和表征斑块[27]。特别是,IVUS将软斑块识别为低回声,而OCT可识别薄纤维帽粥样斑块。然而,侵入性和低可及性限制了这些成像模态的广泛应用。

另一方面,PET/CT联合融合了解剖和功能信息[15, 28]:在稳定性CAD患者中,氟化钠正电子发射断层扫描(NaF18-PET)可识别冠状动脉粥样硬化斑块中的炎症和微钙化,这些被广泛认为是斑块代谢活动和易损性的标志[15, 29];PET/CT的主要局限性是辐射暴露。

由于每种模态都有一种或多种局限性,无法评估斑块特征的全部谱系,因此一种能够识别斑块易损性替代生物标志物的无创成像模态将非常理想;同样,影像组学可能是一个合适且有效的候选方案。

最近一项研究[30]分析了25例接受CCTA、NaF18-PET、IVUS和OCT检查患者的44个斑块,旨在评估CCTA放射组学特征在发现斑块易损性新标志物方面的可靠性。在提取的放射组学特征中,高衰减体素的分形盒计数维数在识别IVUS衰减斑块方面显示出良好的诊断准确性(AUC 0.72),在识别OCT薄纤维帽粥样斑块方面显示出极好的诊断准确性(AUC 0.80)。分形维数与结构的空间复杂性相关:它量化对象细节随尺度变化的变化[14]。高风险斑块中央部分为脂质池的低衰减体素,彼此相邻,而较高衰减体素相对稀少且占据有限空间:因此,这些斑块返回的高衰减体素分形盒计数维数值较低。另一方面,稳定斑块具有散在的较高衰减体素,导致该放射组学特征值较高。

尽管CCTA是一种解剖学和非功能性成像方式,这项研究还表明,放射组学能够有效识别以炎症和微钙化为特征的NaF18-PET阳性斑块。高衰减体素表面参数在识别放射性核素摄取增加的斑块方面达到最佳诊断准确性(AUC 0.87)。

总之,这些结果表明,应用于CCTA的放射组学原理可能代表一种无创替代IVUS、OCT和PET/CT的方法,以良好至极好的诊断准确性识别斑块易损性标志物,优于常规CT指标。

图2 低衰减斑块CCTA放射组学工作流程。图像分割:在曲面重建和轴位切面上半自动分割低衰减斑块(蓝色箭头)。特征提取:低衰减斑块纹理和整合数据。统计分析:将放射组学特征与临床数据结合以获得预测模型。心脏计算机断层扫描血管造影(CCTA) 查看原图 ↗

CCTA评估晚期动脉粥样硬化病变中的放射组学

晚期动脉粥样硬化病变,如早期和晚期纤维粥样斑块及薄纤维帽粥样斑块,常与较高的心肌梗死风险相关[31];此外,低衰减负荷最近被证明是动脉粥样硬化疾病演变以及致死性或非致死性心肌梗死的最强预测因子[32, 33]。

常规CCTA分类将斑块分为钙化、部分钙化和非钙化,其表现不如斑块衰减模式方案,后者是一种能够将动脉粥样硬化冠状动脉斑块区分为均匀、不均匀和伴有NRS的模型。两种分类系统均为视觉分类,并具有若干局限性,尤其是缺乏可重复性,即使在有经验的读者中也是如此[34]。开发了一种名为基于直方图方法的定量系统,旨在克服视觉分析的局限性,证明密度值< 60 HU可准确识别脂质核心斑块[35];然而,该方法的可靠性受到不同组织成分对UH值影响的影响[36]。

最近一项研究[37]表明,机器学习辅助的放射组学分析在区分组织学证实的早期和晚期动脉粥样硬化病变方面优于传统方法和基于直方图的CCTA方法。特别是,在测试的不同模型中,最小角回归模型提供了最佳的判别能力。因此,基于放射组学的机器学习技术提高了CCTA的诊断能力,在识别晚期动脉粥样硬化病变方面优于专家传统视觉评估和基于直方图的方法。

放射组学在CCTA评估冠状动脉周围脂肪组织(PCAT)中的应用

冠状动脉周围脂肪组织(PCAT)通过与冠状动脉壁的双向相互作用影响局部血管生物学:脂肪细胞释放脂肪因子,这些活性分子对血管壁产生旁分泌效应,促进局部炎症反应,而局部炎症反应在动脉粥样硬化形成中起关键作用。因此,PCAT的定量和定性评估目前被认为是分类个体心脏代谢风险特征的关键[38]。

放射组学可能成为客观分析PCAT炎症诱导的永久性改变以及间接分析慢性冠状动脉炎症的有用工具。在这方面,Oikonomou等人[39]最近的一项研究检验了三种不同且独立的与PCAT的潜在相关关系。

研究的第一部分评估了脂肪生物学与放射组学特征之间的相关性,纳入167例接受CCTA并在心脏手术期间进行PCAT采样的患者。结果显示,小波变换平均衰减(一种一阶特征)是检测PCAT炎症表现最佳的指标,这一点经TNFA的相对表达所证实。另一方面,高阶统计特征在检测脂肪组织纤维化和血管化方面表现出优于简单平均衰减的性能,这一点经COL1A1(1型胶原α1链)和内皮标志物CD31(血小板内皮细胞黏附分子-1)的相对表达所证实。

第二部分回顾性分析了纳入CRISP-CT[40]和SCOTHEART[41]研究的5487例CCTA,提取了1391个稳定放射组学特征,以开发并验证冠状动脉周围脂肪放射组学特征(FRP)作为主要不良心脏事件(MACE)的预测因子。匹配了101例MACE病例和101例无MACE病例,训练并验证随机森林算法以区分病例与对照,最终筛选出64个特征,代表FRP的最终放射组学基础。FRP随后与MACE风险呈正相关,截断点为0.63。总之,FRP改善了传统模型的性能,并被证明是MACE的独立预测因子。

最后,研究的第三部分纳入88例患者(44例AMI患者和44例稳定型CAD对照),评估FRP检测不稳定冠状动脉斑块的能力以及AMI后6个月内的变化。结果显示,AMI组FRP显著升高,且在AMI后6个月内未见任何变化,再次提示其可能在检测不可逆改变(如血管改变和脂肪组织纤维化)方面具有潜在作用。相比之下,围绕右冠状动脉(RCA)测量的血管周围脂肪衰减指数(FAI)在6个月时发生动态变化,表明其可被视为冠状动脉炎症所致整体可逆性和动态变化的特异性生物标志物。

Lin等[42]将纹理分析(TA)应用于PCAT也获得了令人惊讶的结果,该研究比较了60例在入院48小时内接受CCTA的AMI患者、60例稳定型CAD患者和60例无CAD对照。在AMI患者中,围绕罪犯病变和非罪犯病变对PCAT进行分割,在所有患者中围绕近段RCA进行分割。结果表明,与稳定型CAD或无CAD患者相比,AMI患者具有独特的PCAT影像组学表型。基于表现最佳特征的影像组学模型在区分AMI方面优于基于PCAT衰减的模型或临床模型。此外,PCAT影像组学特征在AMI后6个月保持稳定。

此外,非常近期的研究强调了基于影像组学的模型与其他已知参数(如FAI)联合或与不同影像分析工具(如CT血流储备分数)联合在预测血流动力学显著冠状动脉狭窄方面的特性:结果表明,将PCAT影像组学模型与FAI或CT-FFR联合可在识别冠状动脉狭窄方面提供更高的诊断性能[43, 44]。

总之,影像组学FRP显著改善了超越当前最先进水平的个体心脏风险谱识别,并可将AMI患者与稳定性疾病患者区分开来;此外,它可能是检测PCAT持续性结构改变的有用诊断工具,在一级和二级预防中提供额外的风险分层。

影像组学在心脏磁共振(CMR)中的应用

CMR是无创分析心肌结构和功能的最佳成像方式,在临床实践中发挥着重要作用:结构性或功能性心脏和血管异常、血流动力学改变和瓣膜疾病、灌注以及冠状动脉微血管改变均可通过该成像方式进行评估。此外,在替代成像方式中,CMR在心肌组织表征方面具有独特能力[45]。

然而,有时基于不同组织固有特征的定性描述符和基本几何量化指标,往往不足以检测疾病与健康组织之间的差距,或区分形态学相似但临床不同的疾病[46]。因此,从CMR图像中获得的许多信息无法被充分利用,特别是在形态学相似但临床不同的情况下[47]。这种局限性在运动员心脏重构与扩张型心肌病(DCM)的鉴别诊断中显而易见:前者是运动训练引起的生理性适应,而后者则源于心肌微观和宏观结构的病理性改变[48, 49]。将影像组学原理应用于CMR可能有助于实现合理的临床管理并改善患者预后。本节的目的是综述影像组学在CMR中的当前应用。

CMR评估结构性心脏病中的影像组学

心肌病是一组由先天性或获得性心肌结构改变引起的原发性疾病。根据具体缺陷,可区分四种主要形式:肥厚型心肌病(HCM)、DCM、限制型心肌病和致心律失常性右心室发育不良(ARVD)[50]。

HCM是最常见的形式,发病率为1/500,以全心性心肌肥厚(主要累及室间隔)、肌原纤维排列紊乱为特征,且常是年轻人心脏性猝死(SCD)的原因。HCM患者通常表现出典型的心室改变,可将其与其他形式的心肌肥厚(如高血压性心脏病)区分开来:肥厚的不对称分布、收缩期前向运动以及斑片状LGE。然而,有时尤其是在弥漫型变异或HCM早期阶段,区分这两种形式的心室心肌肥厚可能并不容易[51, 52]。

关于HCM,多项研究强调影像组学是一种有前景的放射学工具,在與健康患者及高血压性心脏病的鉴别诊断中提供了有益的支持[53]。

其中,Baeßler 等人[54]研究了纹理分析在区分隐匿性肥厚型心肌病(HCM)心肌组织改变与健康心脏结构特征方面的有效性。HCM 患者的心肌原纤维排列紊乱和心肌纤维化重构会导致信号异常和不均匀性,通常在延迟钆增强(LGE)序列上可见,但在进行纯视觉分析时,在平扫 T1 或 T2 加权图像上无法检测到[55];心肌不均匀性的另一个常见原因是水肿,尤其是在 HCM 中,水肿与电不稳定相关[56]。这项回顾性研究纳入 62 例患者,其中 32 例为已知 HCM 患者,30 例为对照;HCM 患者还根据是否存在 LGE(LGE +)或不存在 LGE(LGE -)分为两个亚组。纹理分析(TA)应用于在 T1 加权、非增强、短轴图像上绘制的左心室感兴趣区(ROI)(图 3)。结果显示,四个特定的放射组学特征有望揭示两组之间的显著性差异:GLevNonU(灰度不均匀性)、WavEnLL(低频子带小波系数能量)、Fraction 和 Sum Average。特别是,GLevNonU 以 46 为截断值时取得了最高的诊断性能,灵敏度为 94%,特异度为 90%。GLevNonU 在 LGE—患者与健康对照之间也显示出显著差异,灵敏度为 100%,特异度为 90%。因此,在 T1 加权非增强图像上进行 TA 可以以极好的准确度检测 HCM 背景下的心肌组织改变,为非增强评估心肌结构改变提供新的参数,作为 LGE 的替代方法[55, 57, 58]。

另一种有用的 CMR 成像工具是参数映射,如 T1、T2、T2* 和 ECV 映射。它提供心脏弛豫时间的定量评估、高空间信息,以及对常规 CMR 上通常隐匿的弥漫性疾病的良好检测[59]。

高血压性心脏病(HHD)与 HCM 之间的鉴别诊断并不总是简单明了,因为这两种疾病均以左心室壁增厚和弥漫性纤维化为特征,而 HCM 患者的纤维化多局限于室间隔;平均原生 T1 值通常被视为纤维化的替代指标。原生 T1 图像的放射组学分析已被证明可有效区分 HHD 与 HCM 患者,通过检测纤维化空间分布差异,较整体原生 T1 映射提供增量价值[49]。

图 3 左心室(LV)心肌厚度 CMR 放射组学工作流程。图像分割:在轴位 MRI 切片上手动分割心肌;特征提取:心肌厚度、纹理和整合数据;统计分析:将放射组学特征与临床数据相结合以获得预测模型。左心室(LV);心脏磁共振(CMR) 查看原图 ↗

放射组学在缺血性心脏病(IHD)CMR 评估中的应用

尽管治疗取得了进展,心肌梗死的急性期死亡率仍约为 10%,随访第一年的后续死亡率也为 10%[60]。

心肌梗死的一个独特特征是心室力学的节段性改变:用无收缩能力的纤维组织替代肌肉组织是急性心肌梗死后的慢性修复反应,参与急性事件后的心脏重构过程,并决定心室功能的区域变化[61];坏死区域的大小决定了一系列病理生理状态,其特征为不同程度的血流动力学改变,从射血分数降低到心力衰竭,并具有不同的临床表现,从运动性呼吸困难到死亡。这凸显了检测和表征心肌瘢痕以指导强化二级预防的重要性[62]。

CMR是评估缺血性心脏病(IHD)中心肌结构变化的参考标准技术;两种最常用的序列包括电影MRI序列,对于评估收缩功能、心室容积和射血分数至关重要,以及晚期钆增强(LGE)序列,用于量化任何残余瘢痕面积[63, 64]。

使用LGE技术量化梗死面积对于确定心肌存活性是必需的,心肌存活性代表血运重建后心肌功能恢复的可能性[65, 66];在透壁性梗死的情况下,存活性不存在。另一方面,所谓的“远隔”区域通常被定义为远离梗死区域的残余健康心肌[67–71]。LGE序列有许多固有局限性,尤其是需要给予对比剂和延长检查时间:某些患者,尤其是血流动力学不稳定者,无法耐受长时间检查或不能注射钆剂。

冠心病(CAD)患者合并慢性肾脏病的患病率高[72],由于其发生肾源性系统性硬化症的风险较高[73],需要替代方法来检测心肌瘢痕而无需给予钆剂:T1 mapping是已在无钆剂给药情况下揭示心肌瘢痕方面显示出更多优势的技术,尽管目前其效用仍然有限[74]。

在该背景下,Larroza等人[75]旨在研究CMR放射组学特征在无钆剂给药情况下检测无存活性与远隔节段之间差异的能力,基于无存活节段与远隔节段相比会显示不同灰度异质性的假设。由于电影MRI的时间因素,TA被应用于静态图像(2D,维度)和电影图像(2D + t,时间因素)。从心肌感兴趣区(ROI)提取了一阶至高阶特征(视频1S,补充材料)。

最佳结果通过2D + t LBP(局部二值模式)特征获得,与LGE评估相比,这些特征在识别无存活、有存活和远隔节段方面显示出高诊断性能。

这些结果证实了Shriki等[76]研究中已经显现的结论:在电影磁共振成像(cine-MRI)中可检测到的化学位移伪影可提示慢性心肌梗死。然而,Larroza等探索的影像组学纹理分析(TA)应用提供了一种客观定量评估缺血性心脏病(IHD)心肌改变的方法;既往研究的共同局限性在于对cine-MRI序列仅进行纯视觉图像评估,这在临床环境中可能具有挑战性,并严重受到阅片者间变异性的影响。

Larroza等[77]还提出了一种不同的心脏磁共振(CMR)影像组学方法,以区分急性心肌梗死(AMI)与慢性心肌梗死(CMI),其出发点是观察到梗死心肌在延迟钆增强(LGE)上的高信号并不因缺血事件的时间不同而存在差异[78]:当两种病变共存时,其鉴别具有临床相关性,因为错误诊断可能使管理和治疗计划复杂化。

该研究背后的设想是,水肿和纤维化的存在分别表征AMI和CMI中最重要的心脏结构相应病理改变;这些改变影响心肌的灰度水平,但肉眼评估无法察觉。

这项回顾性研究纳入44例患者,在AMI与CMI之间平均分布,证明基于特定特征子集(多项式核支持向量机,SVM)的影像组学模型在LGE和cine-MRI分析中均具有区分AMI与CMI的潜力,揭示TA在标准电影序列中也可能有用,而在大多数情况下,标准电影序列中的梗死检测具有挑战性。

Baessler等[79]进一步研究了TA作为非增强cine-MRI图像上亚急性或CMI无创生物标志物的潜在作用。根据LGE结果存在亚急性或慢性缺血性心肌瘢痕的患者被回顾性纳入,并基于既往显示瘢痕大小与主要不良心血管事件(MACE)相关性的研究[80]分为两个亚组:48例小瘢痕患者(透壁范围小于或等于20%)和72例大瘢痕患者(透壁范围大于20%)。60例心脏磁共振成像结果正常的患者被纳入作为对照。全部180例患者均在单个电影切面上进行TA,绘制圆形心肌感兴趣区(ROI)。从总共286个纹理特征中,分别提取的5个独立特征达到最佳性能:2个一阶特征(Perc.01、Variance)、1个二阶特征(SSumEntrp)和2个高阶特征(Teta1、WavEnHH.s-3)。结合Perc.01和Teta1特征获得最有效的统计模型:在大瘢痕和小瘢痕两个亚组中,该模型均能以极好的准确性区分正常心肌与纤维化,证明TA可能是LGE成像的有效替代方法。

基于CMR的影像组学在心律失常风险分层中的应用

心律失常是指一组从准生理状态到病理状态的情况,均以心律不规则为特征。这些疾病在临床上可以无症状,或有时表现为心悸,或可引起气短和晕厥[81]。

心律失常在急性心肌梗死(IMA)急性期尤为常见(占70–90%的病例),以至于被广泛认为是缺血性心脏病(IHD)自然病程的一部分[82]。心脏病发作后的病理生理细胞变化通常导致部分心肌细胞不应期延长、另一些心肌细胞电传导减慢,为心律失常事件的触发创造了理想基质[83]。

既往发生过急性心肌梗死(AMI)的患者可分为高心律失常风险和低心律失常风险两类;两者之间的鉴别诊断对于优化心脏性猝死(SCD)的预防至关重要,因为只有高危组已被证明能从植入式心律转复除颤器(ICD)的置入中获益[84]。目前,左心室射血分数和心肌瘢痕等标志物被用于评估心律失常风险。关于心肌瘢痕,在定义IHD患者心律失常风险中发挥作用的两个主要特征是瘢痕大小及其不均匀性[85]。

Kotu等[86]在54例患者(20例高危,34例低危)中测试了影像组学作为区分高危和低危患者的工具,将功能、强度和纹理特征与k近邻(k-NN)、支持向量机(SVM)、决策树和随机森林分类相结合,比较了应用于LGE图像的纹理分析(TA)与基于左心室射血分数和心肌瘢痕大小的传统分类方法。

结果表明,基于影像组学的模型与传统模型相当,提示其可被纳入未来的心律失常风险分层或管理。

心律失常也可以是心肌结构病变改变正常心脏电传导的结果,这在肥厚型心肌病(HCM)患者中经常发生。

Amano等[87]在23例HCM患者中研究了从LGE区域提取的纹理特征与室性快速性心律失常病史之间的关系。在提取的100多个特征中,只有1个纹理特征(熵LL)在区分有和无室性快速性心律失常病史的患者方面取得了有希望的结果(AUC 0.72),尽管其性能仍低于对LGE范围的视觉评估(AUC 0.96)。

最后,心律失常也可以是心肌炎的结果,心肌炎是一种影响心肌的炎症过程,通常与病毒或细菌感染相关;尽管在某些病例中该病可以完全康复,但在病情最严重的阶段之后,可能遗留永久性结构改变以及心脏功能和电传导受损。

早期诊断仍是最佳治疗管理的关键环节,而心脏磁共振(CMR)因其创伤性更小,现已取代活检[88]。

Baessler等[89]最近对39例具有类梗死表现且临床怀疑急性心肌炎的患者进行的分析显示,将纹理分析(TA)应用于T2 mapping序列可获得高诊断性能:结合T2游程长度图非均匀性和灰度非均匀性特征获得的模型在检测心肌炎方面达到89%的敏感性和92%的特异性,提示纹理分析(TA)在炎症性心脏病领域也具有广阔前景。

结论

放射组学是一种创新的定量图像分析技术,具有提高CT和MRI检查诊断和预测能力的潜力,可提供关于组织病理生理学的独特信息,并具有克服主观影像评估局限性的潜力。

尽管仍有许多未解决的技术挑战,但目前大数据可用性与高计算能力的结合使我们能够将这些挑战视为可以实现的。

另一方面,放射组学工具和应用是不断发展的领域,并非没有需要面对和解决的关键问题。迄今为止,现有研究的主要局限性在于缺乏外部验证以及所提出模型缺乏标准化。因此,有必要在大型、高质量的训练数据集上构建模型,并且需要进一步的多中心研究来持续测试和验证放射组学方法,以便将放射组学应用于临床[90]。在这方面,欧洲放射学会最近发布了放射组学领域的指南,旨在标准化放射组学工作流程,因为这应是将放射组学数据整合到临床常规中所需实施的第一步[91, 92]。

在心血管影像学的特定领域中,放射组学可被视为临床医生的补充工具,使他们能够结合临床和定量数据,并向个性化医学迈出又一步。

补充信息

以下是电子补充材料的链接。视频1S:心肌体积分割。使用免费开源软件(3D Slicer)对3D全心序列进行左心室体积分割的示例:通过体素强度值的阈值调制半自动选择左心室壁,并在自动排除心外组织后提取3D体积(MP4 5982 KB)

引用

  1. Polidori T, De Santis D, Rucci C, et al. Radiomics applications in cardiac imaging: a comprehensive review. Radiol Med. 2023. PMID: 37326780. doi:10.1007/s11547-023-01658-x
  2. 全文:PMC10338589(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10338589/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。