文献速递心血管CT

心脏CT中的影像生物标志物:超越单纯的冠状动脉解剖评估

Imaging biomarkers in cardiac CT: moving beyond simple coronary anatomical assessment.
PubMed 文献 · Radiol Med · 2024-02-06

本文综述了心脏CT领域超越单纯冠状动脉解剖评估的新兴影像生物标志物,涵盖冠状动脉钙化评分、节段累及评分、节段狭窄评分、Leaman评分等动脉粥样硬化负荷指标,以及CT血流储备分数、心肌灌注成像、心外膜及血管周围脂肪组织纹理与密度、低密度斑块负荷、冠状动脉斑块影像组学表型等反映炎症与斑块不稳定性的新特征,并讨论了细胞外容积分数和影像组学特征在心肌组织表征中预测心律失常风险与心血管事件的应用前景。

要点

  • 冠状动脉钙化评分采用前瞻性心电门控平扫CT,对密度≥130 HU且面积≥1 mm²的钙化灶按峰值密度赋1–4分,总分即Agatston评分。
  • 2022年CAD-RADS 2.0分类纳入斑块负荷与缺血评估,可整合CT-FFR或CT灌注数据,并引入支架、高危斑块特征等修饰符。
  • 血管周围脂肪衰减指数反映血管壁炎症,急性心肌梗死患者PCAT衰减值显著高于稳定冠心病患者和无冠心病对照。

核心结论

  • 新兴CT影像生物标志物正在拓展心脏CT对个体冠状动脉疾病受累表型的分型能力,并开启更个性化医疗实践的新前沿。

研究设计与样本

  • 本文为综述,聚焦新兴CT影像生物标志物在冠状动脉疾病个体表型分型、狭窄评估与风险分层以及心肌组织异常表征中的作用。
  • 文中汇总了多项研究,包括比较AI自动与半自动软件评估CAC评分的315例患者研究,以及纳入103例稳定心绞痛患者的前瞻性多中心FFR-CT与有创FFR对照研究。

关键影像表现/征象

  • 高危斑块特征包括正性重构(重构指数≥1.1)、斑块内低衰减区域(至少三个感兴趣区平均衰减<30 HU)、点状钙化(>130 HU且直径<3 mm并被非钙化成分环绕)及餐巾环征(低衰减核心被环形高衰减斑块组织环绕)。
  • 冠状动脉壁炎症时,PCAT密度由更负值向较不负值变化,可经血管周围脂肪衰减指数评估。
  • 急性心肌梗死患者PCAT衰减值为−82.3±5.5 HU,显著高于稳定冠心病患者的−90.6±5.7 HU(P<0.001)和无冠心病对照的−95.8±6.2 HU(P<0.001)。

诊断标准与关键数值

  • Agatston评分以峰值密度赋分:130–199 HU为1分、200–299 HU为2分、300–399 HU为3分、≥400 HU为4分,总分为各钙化灶得分之和。
  • Agatston评分 cut-off:0为极低、1–100为低、101–400为中等、>400为高、>1000为极高,高和极高类别10年事件率分别为22.5–28.6%和37%。
  • SIS评分0–16分,按受累节段数分为非广泛(≤4个节段)和广泛(>4个节段);SSS总分0–48分;CT-LeSc对非钙化及混合斑块乘以1.5、对非阻塞性病变(<50%狭窄)乘以0.615。
  • FFR-CT值>0.8为正常、0.76–0.8为临界、≤0.75为异常并提示显著狭窄;FFR-CT在血管水平准确度84%、单纯CCTA为58.5%,敏感度87.9%、特异度83%。
  • 2021 AHA/ACC/ASE/CHEST/SAEM/SCCT/SCMR胸痛评估与诊断指南对中危急性胸痛且CCTA显示近段或中段冠状动脉狭窄40–90%的患者,推荐FFR-CT用于诊断血管特异性缺血并指导PCI决策(IIa/B-NR)。

临床应用与阅片要点

  • CAC评分在 borderline/中等风险患者中为IIa类推荐检查,有助于管理和治疗调整。
  • CAD-RADS 3、4、5类需要进一步检查或住院,CAD-RADS 4和5类因评估为可能/很可能阻塞性冠心病而建议有创冠状动脉造影。
  • SIS结合患者年龄的「%SIS/age评分」对MACE具有超越传统危险因素、Agatston评分和常规CAD评估的增量预后价值。
  • FFR-CT应用受限于对CCTA图像质量的要求,各研究中数据集被拒绝的比例为11–13%,PROMISE研究中达33%。
  • 半自动斑块评估工具在CCTA几何测量上重复性高,在成分测量(斑块衰减和低衰减斑块百分比)上变异性较高,观察者间变异性为4–12%、观察者内为2–6%。

局限性

  • 冠状动脉粥样硬化负荷定量或半定量评估广泛常规应用的主要局限是图像分析和评分计算耗时长。
  • FFR-CT应用受限因素包括需要最佳质量的CCTA图像以进行充分后处理,各研究中数据集被拒绝比例为11–13%,PROMISE研究中达33%。
  • 建模过程中的任何不准确可导致FFR-CT值误差,对小分支血管尤为明显,可能被排除在建模之外而无法识别其狭窄/闭塞。
  • FFR-CT在血管水平准确度84%对比单纯CCTA 58.5%,敏感度87.9%、特异度83%。
全文中译11 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. 2024 Feb 6;129(3):380–400. doi: 10.1007/s11547-024-01771-5

引言

缺血性心脏病(IHD)是全球主要的死亡原因,约占总死亡人数的16% [1]。当前的预防策略依赖于风险分层,采取药物治疗或生活方式干预,以及早期检出阻塞性冠状动脉疾病(CAD)。临床评分系统、心电图和超声心动图在CAD早期诊断和主要不良心血管事件(MACE)风险预测方面表现出较低的敏感性和特异性 [2, 3]。近几十年来,心脏计算机断层扫描血管造影(CCTA)凭借其高诊断准确性和高阴性预测值,在疑似CAD的有症状患者评估中占据了重要地位。根据近期指南,CCTA可被视为慢性心脏症状且临床验前概率低的患者 [4–6] 以及急性胸痛且验前概率低至中等患者 [7, 8] 中排除阻塞性CAD的首选检查。然而,CCTA所获得的冠状动脉纯解剖学评估并不能提供关于病变特异性缺血的功能信息。近期硬件和软件技术的发展,特别是人工智能(AI)工具的引入,正在改善CCTA的图像质量,增加CAD可检测特征(即冠状动脉狭窄的评估和定量、斑块特征描述、心肌缺血评估),并通过机器学习(ML)算法拓展CCTA的预后作用 [9, 10]。此外,双能CT(DECT)的使用以及近期光子计数探测器扫描仪(PCD-CT)的引入,使得能够采集超高分辨率图像,在每次CT扫描的同时获得光谱信息(物质分解),并减少线束硬化或运动伪影以及消除电子噪声 [11]。复杂后处理工具的引入催生了创新的影像生物标志物,其定义为“可被测量且可能影响或预测疾病结局发生率的参数” [12]。这种新的定量方法可以改善患者管理和临床决策,朝着逐步靶向化和个体化医疗的方向发展。本综述将聚焦于新兴的CT影像生物标志物,这些标志物正在拓展心脏CT在CAD受累个体表型分型中的作用,改善冠状动脉狭窄评估和风险分层,并表征心肌组织异常。

动脉粥样硬化负荷

超越冠状动脉狭窄的检测,CCTA的一个日益增加的作用体现在对动脉粥样硬化负荷的评估(即使在非阻塞性CAD患者中)。已开发多种CCTA评分以指导风险分层和临床决策。Agatston评分(AS)量化冠状动脉内的钙负荷,被全球公认为对CAD程度分类和实施心血管风险分层的可靠检测方法[13]。事实上,冠状动脉钙化(CAC)评分在临界/中等风险患者中是一项IIa类推荐检测,有助于管理和治疗方案的个体化制定[14]。CAC量化使用前瞻性心电门控平扫CT进行[15]。标准图像分析基于对沿冠状动脉壁密度≥130 Hounsfield单位(HU)且面积≥1 mm²的任何结构进行分割,作为钙化灶斑块。在每个分割的钙化斑块中,根据峰值密度对每个病灶赋予1–4的密度评分(分别为130–199 HU、200–299 HU、300–399 HU和≥400 HU)。总AS为所有冠状动脉钙化灶评分之和[16](图1)。

CAC也可通过体积评分和质量评分来测量,其测量冠状动脉钙的绝对真实体积和质量[15, 17, 18]。CAC量化被发现是动脉粥样硬化斑块负荷的优秀指标[19],显示冠状动脉钙化面积、斑块体积与体内动脉粥样硬化程度之间存在关联[20, 21]。

一些AS截断值(0=极低,1–100=低,101–400=中等,>400=高,>1000极高)也被提出用于区分风险类别,高和极高类别的10年事件率分别为22.5–28.6%和37%[22]。在一项聚焦于CAC评分在稳定性或急性胸痛患者中作用的近期荟萃分析中,CAC缺失与阻塞性CAD患病率极低和MACE风险低相关。这些结果提示CAC评分可能有助于识别可安全避免额外下游检测的稳定性和急性胸痛患者[23]。多年来CAC量化和分类的准确性逐渐提高,特别是基于DECT获取的光谱数据的CAC[24]和新型PCD-CT系统允许更准确的CAC体积估计[25]。DECT和PCD-CT均可在虚拟平扫图像(VNC)上量化CAC评分,与真实平扫图像相比在评估CAC风险类别方面具有良好的一致性[24, 26],且PCD-CT的空间分辨率显著提高。这些技术还通过消除标准CAC评估中通常使用的原生扫描需求来降低辐射剂量。

动脉粥样硬化负荷也可在CCTA图像上进行评估。节段受累评分(SIS)是一种简单可靠的非定量工具,可量化CCTA上的CAD负荷(无论狭窄程度如何),评分范围为0至16,表示受动脉粥样硬化斑块影响的冠状动脉节段总数,与所致狭窄程度无关[27, 28]。

SIS 还考虑了非钙化斑块,这些斑块可能无法被 CAC 评分扫描检出,从而在 CAD 早期阶段也实现预后分层 [28]。根据受累节段的数量,CAD 的范围可分为非广泛性(≤ 4 个节段)或广泛性(> 4 个节段)。Bittencourt 等人 [29] 证明,在非阻塞性 CAD(狭窄 < 50%)患者中,广泛斑块患者的 cardiovascular death 或 myocardial infarction 发生率高于非广泛性疾病患者(hazard ratio—HR, 3.1, 95% confidence interval, 1.5–6.4)(HR: 1.2, 95% CI 0.7–2.4)[29]。SIS 还可与患者年龄结合,形成“%SIS/age score”,该评分将 SIS 按可评估节段数进行调整并按患者年龄标准化,对 MACE 的预后价值优于传统危险因素、Agatston 评分和常规 CAD 评估 [27]。CAD 分类系统的进一步演变是节段狭窄评分(SSS),其计算方法为根据血管腔狭窄程度为每个冠状动脉节段赋分,从 0(无斑块)到 3(重度狭窄),总分范围为 0 至 48。SSS 被证明是独立于患者年龄的全因死亡率预测因子 [30](图 2)。

冠状动脉疾病报告与数据系统(CAD-RADS)[31] 旨在提高诊断和管理 CAD 患者的准确性。更新的 2022 CAD-RADS 2.0 分类 [32] 纳入了斑块负荷和缺血评估等新要素,使 CT-FFR 或 myocardial CT perfusion(CTP)数据的整合成为可能;此外,它还引入了冠状动脉支架、高危斑块特征、缺血试验结果等修饰符,以及基于 CAC、SIS 和 Visual scoring 进行斑块分类的“P” designation,用于对斑块严重程度进行分类 [32]。它使用 0 至 5 的分级标准,对 CCTA 图像中观察到的冠状动脉狭窄进行分级。仅 CAD-RADS 3、4 和 5 类需要进一步检查或住院,而 CAD-RADS 4 和 5 类因评估为可能/很可能存在阻塞性冠状动脉疾病,建议行有创冠状动脉造影(ICA)。

CT 适配 Leaman 评分(CT-LeSc)基于使用 18 节段冠状动脉模型的三组权重因子:斑块位置,考虑冠状动脉优势型;斑块类型,钙化斑块乘以 1,非钙化和混合斑块乘以 1.5;狭窄程度,非阻塞性病变(狭窄 < 50%)乘以 0.615,阻塞性病变(狭窄 ≥ 50%)乘以 1。最终评分计算为所有可评估冠状动脉节段的部分 CT-LeSc 之和 [33]。CT-LeSc 显示与一些传统人口学和临床危险因素以及验前 CAD 概率和 cardiovascular risk 评分显著相关 [33, 34],并被证明是 MACEs 的独立长期预测因子。具有显著动脉粥样硬化负荷(CT-LeSc > 5)的非阻塞性 CAD 患者,其无事件生存率与阻塞性 CAD 患者相当。

莱顿 CCTA 风险评分是对冠状动脉节段的综合半定量评估,使用不同的权重因子,如斑块位置(0–6 分)、狭窄严重程度(1–1.4 分)和冠状动脉斑块成分(1–1.3 分);该评分是各节段评分相加的结果,而各节段评分通过这三个因子相乘获得 [35]。它已被证明能够在疑似 CAD 的糖尿病和非糖尿病患者中预测主要不良心脏事件(MACEs)[36]。

对冠状动脉粥样硬化负荷进行定量或半定量评估在广泛常规使用中的主要限制是图像分析和评分计算耗时长。AI 算法在加速这一过程方面似乎很有前景,可保证更高的可重复性并实现这些数据的快速标注。机器学习和深度学习(DL)基于的技术正在改善图像分割、斑块范围量化、狭窄评估、 culprit 冠状动脉病变识别以及复合评分计算。冠状动脉狭窄严重程度的识别是机器学习分析最基本的应用(即,它可以自动识别冠状动脉阻塞性病变,或对轻微冠状动脉斑块进行分类)[37]。在这方面,Sandstedt 等人在 315 例患者中比较了基于 AI 的非增强 CT 图像自动 CAC 评分评估与半自动软件,发现三种 CAC 评分(AS、体积评分和质量评分)及钙化病变数量之间具有极好的相关性和一致性(p = 0.935、0.932、0.934)[38]。

图 1 冠状动脉钙化评分。非增强 CT 图像显示近段 LAD 和 CX 上的冠状动脉钙化(a),随后是彩色编码的横轴位图像,突出显示近段 LAD、CX(b)和 RCA(c)上的中度钙化。计算 Agatston 评分以量化冠状动脉钙化范围(d)。CT,计算机断层扫描;LAD,左前降支动脉;CX,回旋支动脉;RCA,右冠状动脉 查看原图 ↗
图 2 节段受累评分(SIS)和节段狭窄评分(SSS)。曲面多平面重组图像显示 SIS 总分为 5,SSS 总分为 7。RCA 近段和中段均为极小狭窄(SIS 和 SSS 各 1 分;LAD 近段轻度狭窄(SIS 和 SSS 各 1 分;b LAD 中段重度狭窄(SIS 1 分,SSS 3 分;b CX 近段轻度狭窄(SIS 和 SSS 各 1 分;c。CX,回旋支动脉;LAD,左前降支动脉;LM,左主干;RCA,右冠状动脉 查看原图 ↗

高危冠状动脉斑块特征

CCTA 可表征冠状动脉斑块,识别高危斑块特征 [39–41],包括:正性重构:定义为重构指数(RI)≥ 1.1 [39, 42, 43],通过最大狭窄血管横截面积/直径除以近端和远端参考节段的平均横截面积/直径获得 [44];

斑块内低衰减区域:定义为斑块内至少三个感兴趣区的平均衰减 < 30 HU [44](图 3);

点状钙化:钙化超过 130 HU 且直径 < 3 mm,并被非钙化成分环绕 [45, 46];

餐巾环征:低衰减核心被环形高衰减斑块组织环绕 [47]。

尽管已证实冠状动脉疾病(CAD)严重程度与心血管死亡和/或心肌梗死(MI)的发生率相关[48],但PROMISE试验表明,超过一半的主要不良心血管事件(MACE)发生于无冠状动脉阻塞的患者,提示必须考虑其他因素[49]。近期研究发现,当冠状动脉CT血管造影(CCTA)检测到高危斑块时,无论心血管危险因素和显著CAD如何,MACE风险均增加[39, 50, 51],这对于稳定型心绞痛患者和急诊科入院患者均是如此[40, 52]。此外,高危斑块的检测有助于识别显著病变,如von Knebel Doeberitz等人的研究所示[53]:他们发现病变长度、非钙化斑块体积、重塑指数(RI)和“餐巾环征”是病变特异性缺血的显著预测因素,经有创血流储备分数(FFR)评估。

然而,手动斑块定量耗时较长;因此,近期引入了使用专用软件的半自动斑块评估[54]。半自动工具在CCTA几何测量(如管腔和血管面积及斑块负荷)方面显示出高重复性(观察者内和观察者间比较均如此),而在成分测量(斑块衰减和低衰减斑块百分比)方面变异性较高,观察者间变异性范围为4%至12%,观察者内变异性范围为2%至6%。

动脉粥样硬化斑块的影像组学分析可能进一步提高CCTA的诊断准确性,因其能够提取高危斑块的定量特征并对斑块风险进行分层,且观察者间变异性低。Kolossváry等人发现,20.6%的影像组学特征在伴有和不伴有“餐巾环征”的斑块之间存在显著差异,并表现出极好的鉴别能力[55]。与正电子发射断层扫描、血管内超声和光学相干断层扫描斑块评估相比,CCTA图像的影像组学特征在识别易损斑块方面显示出良好至极好的诊断准确性,超越了传统参数[56]。

图3 左前降支(LAD)的曲面多平面重建图像(d)显示累及近段和中段的多发混合斑块(a–c)。斑块的具体成分(非钙化、钙化和脂质核心)根据其密度(左侧)使用专用软件自动分析和定量。LAD,左前降支动脉 查看原图 ↗

血流储备分数

尽管CCTA在排除阻塞性CAD方面具有高阴性预测值[57],但PROMISE试验表明CT作为初始诊断策略存在一些局限性,例如随之而来的有创冠状动脉造影(ICA)率较高,但并未转化为改善的临床结局,且医疗费用更高[58]。

为提高CCTA识别限流性冠状动脉狭窄的能力,CT血流储备分数(FFR-CT)的计算正成为一种稳健且有价值的工具。计算FFR-CT的最常用方法基于计算流体力学(CFD),这是一种数学三维建模技术,通过在CCTA图像上进行半自动勾画和分割来模拟冠状动脉内血流、压力和阻力[59]。

生成的FFR-CT值基于患者特定的流入和流出血液动力学条件,能够预测沿血管走行的压力变化。FFR-CT值大于0.8为正常,0.76至0.8之间为临界值,小于或等于0.75为异常,提示显著狭窄[60](图4)。

除CFD技术外,近年来还开发了多种基于机器学习和深度学习的FFR-CT方法[61–64]。回顾性多中心MACHINE注册研究比较了基于机器学习和基于CFD的FFR-CT,显示机器学习方法的诊断性能与CFD算法相比无显著差异[65]。机器学习和深度学习方法的优点是不需要将影像数据传输到云端,从而增加了时间消耗。对于现场测量,CT-FFR值可在一天内提供给医生,有助于后续步骤的快速决策[66]。

在诊断准确性方面,多项试验证明FFR-CT是侵入性FFR的有价值替代方案。Bon-Kwon Koo等人[67]在其前瞻性多中心研究中纳入了103例稳定型心绞痛患者,这些患者均接受了CCTA联合FFR-CT检查以及侵入性FFR检查,结果显示在血管水平上具有良好的一致性(Spearman秩相关系数为0.717,Pearson相关系数为0.678),在患者水平上无系统性差异。在血管水平分析中,FFR-CT的准确率为84%,而单独CCTA为58.5%;敏感度和特异度分别为87.9%和83%。

PLATFORM试验[68, 69]表明,与标准治疗组相比,FFR-CT指导策略与一年时较低的MACE发生率相关(分别为6.1%和7.6%)。此外,FFR-CT显著降低了后续ICA手术率,中位费用低于常规侵入性策略治疗(p < 0.001)。

最近,Fischer等人[70]旨在探索FFR-CT在急诊环境中的作用。他们观察到,在急性胸痛患者中,通过FFR-CT排除血流动力学显著的CAD,对于排除30天时MACE的阴性预测值为100%。据此,“2021 AHA/ACC/ASE/CHEST/SAEM/SCCT/SCMR胸痛评估与诊断指南”推荐对中等风险急性胸痛患者,且CCTA显示近段或中段冠状动脉狭窄40–90%者,使用FFR-CT诊断血管特异性缺血并指导经皮介入(PCI)使用的决策(IIa/B-NR)[71]。

尽管FFR-CT已显示出有前景的结果,但有若干因素限制其在临床实践中的应用,例如需要高质量的CCTA图像以进行充分的后处理。在一些研究FFR-CT准确性的研究中,被拒绝的数据集百分比范围为11%至13%[67, 72, 73],在PROMISE研究中达到33%[58]。此外,建模过程中的任何不准确都可能导致FFR-CT值的后续误差;这对于小分支血管尤为明显,这些血管可能在建模中被遗漏,导致FFR-CT无法识别其狭窄/闭塞[59]。

尽管需要考虑上述局限性,但应当认识到,下一代硬件的引入可能会大幅降低排斥率,正如Pontone等人[74]的研究所证明的那样,该研究主要纳入了双源技术和宽探测器扫描仪,发现排斥率显著降低,从ADVANCE注册队列中的2.9%到临床队列中的8.6%。此外,他们发现时间分辨率、层厚和心率是用于FFR-CT分析的CCTA扫描排斥的独立预测因素,因此提示技术进步可能通过作用于这些因素而潜在地将排斥率降至零。

图4. 51岁男性,具有高心血管风险特征,因反复非典型胸痛行CCTA。LAD的曲面平面重建图像显示中段中度狭窄(红箭头)。FFR-CT分析(DeepVessel Image)显示狭窄后血流显著减少(FFR = 0.71)(红箭头)。CCTA,心脏计算机断层扫描血管造影;FFR-CT,血流储备分数—计算机断层扫描;LAD,左前降支动脉 查看原图 ↗

冠状动脉周围脂肪组织

已知血管壁炎症可触发动脉粥样硬化斑块不稳定和破裂风险,改变冠状动脉周围脂肪组织(PCAT)中的脂质积聚和衰减[75]。当冠状动脉壁发生炎症现象时,由于水肿和炎症细胞浸润,PCAT的密度从较负值变为较小负值(图5)。

此类改变可通过血管周围脂肪衰减指数(FAI)[76]进行评估,该指数描述脂肪细胞的脂质含量和大小,在检测组织炎症方面表现出优异的敏感性和特异性,后者通过正电子发射断层扫描中组织对18F-氟脱氧葡萄糖的摄取来评估[77]。

血管周围FAI定义为位于距外血管壁径向距离等于所考虑血管直径范围内的所有含脂肪组织体素的加权平均衰减值[78]。它可以在冠状动脉树的任何节段周围测量,但其最初的标准化是在近段右冠状动脉和左前降支动脉的预设节段周围进行的。

冠状动脉周围FAI是检测高水平血管炎症患者和识别有MACEs风险脆弱患者的有用生物标志物[79]。正如Oikonomu等人[80]所述,血管周围FAI提高了死亡风险的判别能力,并有助于对当前风险分层模型进行重新分类。FAI值有助于识别即使没有显著冠状动脉狭窄也有急性冠脉综合征风险的个体,也有助于识别已知CAD患者的脆弱斑块,通过同时在一级和二级预防中提供支持,有助于更好的临床和治疗管理[80]。

超越仅考虑平均密度测量的传统FAI评估,PCAT的影像组学分析使得考虑所有空间相互作用并分析衰减轮廓成为可能,并提供异质性测量。高风险PCAT的新影像组学特征之一是冠状动脉周围脂肪影像组学轮廓(FRP)。这不仅考虑FAI中包含的衰减特征,还考虑PCAT的纤维化和血管化等特征。FAI随急性冠状动脉炎症反应而动态变化,而FRP捕获PCAT中更持久的结构变化,并提供额外的风险分层。FAI和FRP的结合有助于为每位患者开发更全面的个体化心脏风险轮廓[76]。在这方面,Lin等人最近证明,与稳定型CAD患者或健康对照相比,急性MI患者表现出不同的PCAT影像组学表型。急性MI患者的PCAT衰减值(− 82.3 ± 5.5 HU)显著高于稳定型CAD患者(− 90.6 ± 5.7 HU,P < 0.001)和无CAD对照(− 95.8 ± 6.2 HU,P < 0.001)[81]。

图5 LAD的曲面多平面重建(cMPR)图像显示近段和中段的钙化斑块(a)。彩色编码cMPR图像(b)突出显示冠状动脉周围脂肪组织(PCAT)衰减梯度作为血管炎症的指标,提示稳定型动脉粥样硬化斑块。LAD 左前降支动脉 查看原图 ↗

心肌灌注成像

负荷CT灌注(CTP)是一种新兴的成像技术,将冠状动脉的纯解剖评估与功能数据相结合。该技术的原理基于在药物负荷期间使用血管扩张剂(如腺苷和瑞加诺生)[82]和/或在静息状态下,量化碘对比剂首次通过心肌时的分布(图6)。

心肌CTP成像可能涉及两种类型的CT采集:静态和动态。静态CTP(sCTP)成像由在对比剂注射后早期首过期间单个特定时间点采集的心肌灌注单次快照组成。sCTP显示出高特异性(68–98%)和敏感性(50–96%)值,与其他负荷成像模式相似[82]。然而,sCTP的准确性可能因可能错过对比剂衰减峰值而受到妨碍,导致假阳性或假阴性结果,以及定性/半定量图像分析受限。

动态CTP(dCTP)成像可能克服其中一些局限性,能够直接测量心肌灌注。它由自由呼吸下的连续容积采集组成,在对比剂注射期间从首过动脉期到洗脱期覆盖整个心脏。然而,dCTP需要至少256–320层系统扫描仪或双源CT才能获取多个图像数据集;dCTP的辐射剂量也高于sCTP,并且需要患者更长的屏气时间。在图像分析中,可以提取多个血流动力学参数,如心肌血流量(MBF)、MBF比值和心肌血容量(MBV)[83]。

Bamberg及其同事以有创FFR为参考,分析dCTP检测显著狭窄的可行性,发现由狭窄血管供血的心肌节段中MBF和MBV显著降低;他们还确定了MBF截止值为75 mL/100 mL/min,用于区分显著与非显著冠状动脉病变(C统计量,0.707;P,0.001)[84]。同样,Rossi等人计算了血管 Territory 水平MBF指数的AUC为0.95(95% CI 0.92–0.98,p < 0.001),在考虑截止值为78 mL/100 mL/min时,检测显著狭窄的敏感性/特异性值为90/88% [85]。

多项研究显示,与单独CCTA相比,dCTP具有更大且额外的鉴别效能[83, 85–88]。特别是,如近期一项荟萃分析所报告,dCTP检测显著狭窄的主要诊断获益在于将特异性值从61%提高至81% [89]。此外,在一项多中心随机对照试验中,Lubbers等人[90]证明,包含心肌灌注的综合CCTA方案导致更少的额外无创检查和更短的诊断路径。

心肌灌注也可能改善预后预测,因为通过CTP归一化MBF确定的 summed stress score 是MACE的更好预测因子,优于CCTA上的冠状动脉狭窄,风险比为5.7(95%置信区间:1.9–16.9;p = 0.002)[91]。从dCTP提取的MBF在评估微血管阻塞方面也高度准确[92],已知微血管阻塞是心肌梗死且射血分数保留患者中MACE的预测因子[93]。

最后,鉴于碘通过血流供应递送至心肌组织,近期研究提示DECT获得的碘分布图可作为心肌灌注的标志物[94, 95]。与心脏磁共振(CMR)、单光子计算机断层扫描和ICA相比,引入碘灌注图提高了CCTA扫描的诊断准确性[96]。

图6 注射Regadenoson后于负荷心肌灌注CT期间获得的心肌血流量短轴彩色编码参数图,显示左心室中间侧壁段灌注缺损 查看原图 ↗

晚期碘增强

心肌纤维化(MF)成像基于对比剂积聚在显示细胞外基质扩张的心肌组织区域或坏死心肌细胞的细胞内空间[97]。CMR的晚期钆增强(LGE)成像代表体内评估MF的参考标准,但存在若干CMR禁忌证以及图像采集时间长,限制了其使用。MF瘢痕的评估也已基于碘对比剂的细胞外特性和由于碘积聚导致的高强化区域可视化而在CT上开发[98],与CMR-LGE相比显示诊断准确性为88–95% [99],与组织学检查相比显示诊断准确性为90%,敏感性53%和特异性98% [100](图7)。

关于对比剂注射和延迟期采集时机存在多种方案:多数作者报道采用单次团注给药技术,因此延迟期是在为冠状动脉CT血管成像(CCTA)注射标准剂量对比剂后采集的,不再追加对比剂用量;在其他情况下,采用团注-持续输注方案,在CCTA扫描后额外持续输注对比剂(30–90 mL,速率0.1–0.3 mL/s)。延迟期扫描的最佳时机范围为5至15分钟,采用团注-持续输注方案时报告的最佳结果为10至15分钟[98]。

由于延迟期CT扫描的对比分辨率较差,尤其是对心外膜下瘢痕,心肌纤维化(MF)的评估可能具有挑战性[99]。诊断准确性的数值因所应用的图像重建算法而异,灵敏度和特异度分别从56%和93%(滤波反投影)到80%和91%(基于知识的迭代模型重建)不等[101];且灵敏度随管电压kVp重建值的增加而降低,从100 kVp时的98%降至140 kVp时的28%[102]。在这方面,使用低管电压(80–100 kVp)和特定的去噪重建算法可改善对比噪声比并降低患者的辐射剂量[103]。

双能CT(DECT)和光子计数探测器CT(PCD-CT)技术允许进行能谱评估和低KeV下的虚拟单能图像(VMI)重建,从而改善晚期碘增强(LIE)评估的对比噪声比[100]。能谱CT在经心脏磁共振(CMR)证实的急性心肌炎患者人群中显示出82%的灵敏度和99%的特异度[104]。使用碘密度成像,在心力衰竭患者中灵敏度为97.1%,特异度为88.9%,其中40-keV VMI重建获得最高的诊断准确性(90.8%)[105]。LIE还可用于检查因肌钙蛋白升高而就诊于急诊科的急性胸痛患者[106]:采用该方法,患者在血管造影期接受扫描以排除(阻塞性冠状动脉疾病、急性主动脉综合征和肺栓塞),并在延迟期进行心肌组织特征评估。其他应用包括在射频导管消融手术前评估心肌瘢痕作为室性心律失常的基质[107]。

图7 一名左回旋支供血区急性心肌梗死患者的晚期碘增强(LIE)CT图像,以四腔心视图重建(a),以及心脏磁共振(b)在相应平面上采集的晚期钆增强(LGE)图像。两幅图像中均可见梗死心肌的对比增强(白色和黑色箭头)以及附着于两心室心尖部的血栓(白色箭头) 查看原图 ↗

细胞外容积分数

通过心脏磁共振(CMR)T1 映射序列评估的细胞外容积分数(ECVCMR)已成为间质纤维化有价值的替代标志物,其通过平衡期心肌内分布的钆量计算得出 [108]。ECV 也可采用类似方法通过 CT(ECVCT)评估 [109],从而克服上述与 CMR 相关的禁忌证 [110]。近期研究在淀粉样变性、主动脉瓣狭窄、肺动脉高压或扩张型心肌病患者中比较了 ECVCMR 与 ECVCT,获得的相关系数范围为 0.73 至 0.91 [111, 112],而在重度主动脉瓣狭窄人群中,组织学胶原容积分数与 ECVCT 值之间的相关系数为 0.71(p = 0.0007)[109]。

ECV 测量可采用单能采集、双能 CT(DECT)或光子计数探测器 CT(PCD-CT)进行 [113](图 8)。

在前一种方法中,ECVCT 通过结合延迟扫描与平扫之间心肌组织和血池的衰减差异得出。然而,该技术可能伴随配准伪影(基线期与延迟期图像不匹配)以及患者受到更大辐射剂量 [114, 115]。采用 DECT 或 PCD-CT 时,ECVCT 仅基于所获得多能量数据集的光谱分解,通过测量延迟期扫描中心肌和血池的碘浓度来定量 [110]。延迟扫描期的采集时间仍未达成一致,范围为 5 至 12 分钟 [114, 116];对比剂注射技术可基于单次或双次团注(固定剂量或与患者体重成比例 [117–119])或采用缓慢静脉输注 [109, 115]。

ECVCT 是一种有前景的生物标志物,可支持与心肌纤维化(MF)发生相关的心脏疾病管理,改善对主要不良心血管事件(MACE)[120]、死亡率 [121] 或进展为心力衰竭 [122, 123] 的预测,并指导特定治疗。

图 8 一名 43 岁女性,有室性心动过速病史并既往植入 ICD,于心室中部短轴层面采集的 CT 衍生细胞外容积分数(ECVCT)图。该图显示侧壁 ECV 弥漫性增高(白色箭头),并伴有局灶性 ECV 增高的心外膜下薄层边缘,符合瘢痕纤维化。患者被诊断为慢性心肌炎。ICD:植入式心律转复除颤器 查看原图 ↗

心外膜脂肪组织

心外膜脂肪组织(EAT)通常表现为位于心肌壁与脏层心包之间的低密度层,密度范围为 − 190 至 − 30 HU,内含冠状动脉及其主要分支 [124–126](图 9)。

在过去几十年中,EAT 作为心血管(CV)风险生物标志物受到越来越多的关注,因为 EAT 体积增加已显示与 CV 疾病强烈相关,包括冠状动脉疾病(CAD)和缺血性心脏病 [127, 128]。具体而言,Mancio 等 [125] 显示,EAT 体积与冠状动脉狭窄、心肌缺血和 MACE 相关,且不受 CV 危险因素影响。

增加的EAT体积也已被证明是心房颤动风险的强预测因子[129],无论其他危险因素如何,包括左心房直径[130]。在射血分数保留的心力衰竭患者中,较大的EAT沉积与较高的体重指数(BMI)、心脏结构改变以及与全身性肥胖、系统性炎症、胰岛素抵抗、内皮功能障碍和血脂异常相关的蛋白质组学标志物相关[131]。EAT体积定量在非增强心脏CT和CCTA图像数据集上均可行,尽管对比剂(CM)的存在可能导致EAT体积被低估[132]。

除了体积定量外,EAT放射密度的分析也可作为影像生物标志物,因为它可能反映EAT的炎症或代谢活性[133]。Franssens等[134]发现,在心血管风险较高或有明显心血管病变的男性中,EAT的低CT衰减与较高的CAC数量之间存在显著关联,且不受EAT体积和BMI影响。相应地,在Goeller及其同事的一项研究中[135],斑块炎症标志物的血清水平、冠状动脉钙化和MACE均与较低的EAT密度相关。最后,EAT放射密度的升高还与Tako-Tsubo综合征及非阻塞性冠状动脉心肌梗死(MINOCA)相关[136]。

除了可能非常耗时的手动定量外,近年来研究人员还探索了半自动[135, 137, 138]和自动分割[139, 140]方法,包括深度学习(DL)方法[141, 142]。具体而言,采用全自动分割技术可能带来EAT体积计算高可重复性的优势,同时分割时间更短,从而优化EAT定量在临床中的应用[141]。

图9 轴位CT(a)及相应彩色编码图(b),显示不同的心包(黄色)和心外膜(绿色)脂肪组织腔室 查看原图 ↗

未来展望

将放射组学引入医学领域为通过提取多种肉眼不可见的基于图像的特征来探索定量数据提供了机会[143]。在心脏CT成像中使用放射组学分析的初步经验[144–149]表明,该技术可能有助于识别易损斑块、改善心脏风险分层,并为个性化心血管医学开辟新领域[150]。另一方面,过去十年中对人工智能在诊断影像中潜在应用的研究兴趣日益增长,心脏影像也不例外。随着商业可用或开源AI算法的兴起,CCTA成像数据集后处理分析和解读的工作流程正在发生巨大变化。AI工具所保证的流程优化和加速,正在扩大CCTA在风险分层以及患者治疗计划和管理中的作用[151]。

新型CT成像生物标志物的逐步验证将在未来几年扩大心脏CT的作用,超越单纯的狭窄评估,扩展到风险分层和组织改变的特征描述(表1)。从心脏CT成像数据集中自动提取各种定量参数可能开启一个新时代,届时将提供多个易损性特征、功能参数和组织改变标志物,从而能够对疾病进行更深层次的表型分析,并导向个性化治疗方法。

表1 CT成像生物标志物汇总 查看原表 ↗

结论

冠状动脉CT血管造影(CCTA)的作用已逐步从单纯检测阻塞性冠状动脉疾病(CAD),通过冠状动脉狭窄的解剖学评估,发展为能够推断多种参数的检查,有助于更准确地评估心血管风险和狭窄的血流动力学效应。此外,CT的新应用(例如,LIE、ECVCT)正将其领域扩展到心肌损伤的特征描述[152],并改善预后分层,朝着日益全面的检查方向发展。

引用

  1. Cundari G, Marchitelli L, Pambianchi G, et al. Imaging biomarkers in cardiac CT: moving beyond simple coronary anatomical assessment. Radiol Med. 2024. PMID: 38319493. doi:10.1007/s11547-024-01771-5
  2. 全文:PMC10942914(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC10942914/

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。