文献速递心血管胸部技术与安全CTMRUS

心外膜与心包脂肪组织:解剖、生理、影像、分割及治疗影响

Epicardial and pericardial adipose tissue: anatomy, physiology, imaging, segmentation, and treatment effects.
PubMed 文献 · Br J Radiol · 2026-01-01

本综述讨论心外膜脂肪组织(EAT)与心包脂肪组织(PAT)的解剖生理特征及病理生理作用,总结CT、MRI与超声评估这两种脂肪库的优缺点,强调扫描与重建标准化的迫切需求,并汇总深度学习分割进展及药物与生活方式干预对EAT体积的影响。

要点

  • CT以−190至−30 HU阈值分割脂肪,非增强胸部CT(120 kVp、1.25 mm层厚)所测EAT体积与专门心电门控心脏CT相当。
  • 增强CT较非增强CT低估EAT体积,报告的平均差值为31 mL,调整HU阈值可改善不同方案间的一致性。
  • 超声测量EAT厚度常用5 mm阈值提示心血管风险增加,但无法容积评估,且可能被误判为心包积液。

核心结论

  • EAT与PAT是两种不同的脂肪库,EAT与心肌直接接触并产生局部炎症与代谢效应,PAT则主要通过全身机制影响心血管健康。
  • 准确量化EAT与PAT对心血管风险分层至关重要,并可能为治疗干预开辟新途径。
  • EAT与PAT对心血管结局的作用证据部分矛盾,其因果机制尚未完全明确。

研究设计与样本

  • 综述,讨论EAT与PAT的解剖、生理、病理生理作用、影像评估方法、图像分割进展及治疗与生活方式干预效果。
  • 引用文献涵盖多项原始研究,包括基于CT、MRI与超声的EAT定量研究及深度学习分割研究。
  • EAT定义为与心肌表面连续的内脏心包内脂肪,PAT定义为壁层心包外的脂肪。

关键影像表现/征象

  • 心包在影像上表现为厚度1.0–4.0 mm的薄层,有时难以辨认,是EAT与PAT的解剖边界。
  • EAT主要位于房室沟与室间沟,可延伸至心室与冠状动脉之间,甚至因EAT与心肌间无筋膜屏障而穿透心肌。
  • PAT位于壁层心包外,不直接接触心肌,环绕纵隔内大血管,由心包膈动脉供血而非冠状动脉循环。
  • EAT在CT上表现为−190至−30 HU的脂肪衰减区,增强CT较非增强CT低估EAT体积,平均差值为31 mL。
  • 超声上EAT表现为心肌与心包之间的低回声区,最佳检测部位为右心室游离壁,于胸骨旁长轴与短轴切面垂直测量厚度。

诊断标准与关键数值

  • CT分割EAT采用−190至−30 HU的衰减阈值,非增强与增强CT均可测量。
  • 系统评价提出EAT体积阈值>125 mL可预测心脏病理。
  • 超声EAT厚度常用5 mm阈值识别心血管风险增加的个体。
  • 深度学习分割EAT的Dice系数:Ding等报告0.82,Rodrigues等报告高达0.98,EAT-Mamba流程报告0.86。
  • 基于EAT的影像组学特征(EAT-score)识别房颤的AUC在增强CT为0.92、非增强CT为0.85。

临床应用与阅片要点

  • CT因高空间分辨率、容积数据及心包显示一致精确,是评估EAT体积与衰减最常用的 modality。
  • 管电压(kVp)与管电流(mA)变化会影响固定HU阈值下的EAT衰减与体积测量,迭代重建等技术也影响HU值与体积。
  • 季节变化影响EAT衰减,夏季HU值低于冬季;性别、种族、体重指数、糖尿病状态及他汀或降压药使用也与EAT衰减相关。
  • MRI可行无辐射容积EAT定量,无需钆对比剂,适合纵向研究,但成本更高、采集时间更长、空间分辨率低于CT。
  • 电影3D Dixon成像较标准单相Dixon降低观察者内与观察者间变异(ICC分别为0.96 vs 0.92和0.76 vs 0.63)。

局限性

  • EAT与PAT的确切作用与影响仍未完全理解,多项研究结果部分矛盾。
  • Tanami等未发现EAT体积与冠状动脉钙化严重程度、冠状动脉狭窄或心肌灌注异常显著相关。
  • Mahabadi等观察到高EAT体积与严重钙化评分(≥400)在一般人群中无显著相关,仅在55岁以下且基线钙化低的患者中显著。
  • FAI在不同成像平台与人群间的可重复性仍存争议,CT扫描、重建与测量方案的标准化仍在研究中。
  • EAT体积与衰减和心血管结局之间的因果机制尚未完全理解。
全文中译9 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:Br J Radiol. 2025 Sep 13;99(1186):1962–72. doi: 10.1093/bjr/tqaf223

引言

心外膜脂肪组织(EAT)和心包脂肪组织(PAT)日益被认为是心血管疾病的关键影响因素。本综述旨在全面讨论EAT和PAT的生理和病理作用,重点介绍评估其的影像学技术以及机器学习在其定量分析中的新兴作用。本文还讨论了影像学评估所发现的潜在治疗对EAT和PAT体积的影响。

解剖

“心外膜脂肪”一词最早于20世纪初被引入,用于描述位于心包脏层与心肌之间的脂肪组织。1 心包是EAT与PAT之间的解剖边界,在影像学上表现为一薄层(厚度1.0-4.0 mm),有时难以辨认。2 心包外的脂肪在术语上缺乏一致性,文献中存在相当大的差异。既往研究将其命名为胸腔内脂肪、3 心旁脂肪、4 纵隔脂肪5 或心包脂肪。6 Zaleska-Kociecka等7 和Kim等8 将心包脂肪描述为位于心包脏层与壁层之间的独立脂肪库,而Rosito等6 将心包脂肪定义为位于心包囊内的任何脂肪组织。

在本综述中,我们参照Bertaso等9 的定义(图1),对胸部脂肪分区定义如下。心外膜脂肪指与心肌表面相邻的脏层心包内脂肪。心包脂肪定义为壁层心包外的脂肪,同时承认心包各层之间不存在脂肪组织。10

脂肪分区的精确定义和区分具有临床意义。它们不同的胚胎学起源、代谢功能和病理意义有助于进行多样化的风险分层,并有助于理解其在心血管疾病中的特定作用。11

EAT被归类为内脏脂肪,胚胎学上起源于脏壁中胚层,因此具有棕色脂肪样特性和功能。12 在成人中,它主要沿房室沟和室间沟分布,在心房壁和心耳周围也有较小沉积。随着EAT体积增加,它可以延伸至心室和冠状动脉之间,甚至由于EAT与心肌之间缺乏筋膜屏障而穿透心肌。这种独特的解剖关系使得EAT与心肌之间能够发生直接的代谢和炎症相互作用。13,14

相比之下,PAT起源于白色脂肪组织,代谢上更类似于皮下脂肪。15 PAT位于壁层心包外,与心肌无直接接触,环绕纵隔内的大血管。其血供来自心包膈动脉(胸廓内动脉的分支),而非冠状动脉循环。因此,PAT对心血管功能的影响可能通过全身性而非局部机制介导。

图1. 从内(心内膜)到外(PAT)不同层次的示意图。 查看原图 ↗

生理学

心外膜脂肪组织(EAT)对心肌和冠状动脉发挥旁分泌和血管分泌效应,通过直接分子信号影响心血管生理,而心包脂肪组织(PAT)主要参与全身代谢调节和炎症信号传导。16 EAT和PAT的扩张均日益被认为与多种心血管疾病相关,包括冠状动脉疾病(CAD)、心房颤动(AF)和心力衰竭(HF)。

EAT被认为是一个活跃的内分泌器官,分泌一系列生物活性分子,包括促炎细胞因子如白细胞介素-6(IL-6)、肿瘤坏死因子-α(TNF-α)和单核细胞趋化蛋白-1(MCP-1)。这些脂肪因子促进内皮功能障碍、氧化应激和血管炎症,从而加速动脉粥样硬化的进展。17 EAT与冠状动脉在解剖上紧密相邻,提示这些炎症介质可能对血管壁发挥直接旁分泌效应,促进斑块形成和不稳定。17 除这些促炎效应外,EAT在生理条件下也发挥保护功能。它分泌有益脂肪因子如脂联素(具有抗炎和胰岛素增敏特性)以及syntheullin(一种具有抗缺血效应的血管舒张肽)。这些介质有助于心肌能量供应、血管稳态和内皮保护。因此,EAT的功能具有情境依赖性:在健康个体中发挥心脏保护作用,而在肥胖、胰岛素抵抗或2型糖尿病等病理条件下,其分泌谱可向促炎表型转变。18

此外,EAT还与AF的发病机制有关。EAT体积增加与心房的结构和电重构相关,可能归因于炎症和促纤维化细胞因子的分泌。这些介质促进心房纤维化,改变传导通路并增加心律失常的易感性。此外,EAT可能通过交感神经和副交感神经调节影响自主神经系统活动,并促进AF的发生发展。19

EAT还与HF相关,尤其是射血分数保留的心力衰竭。EAT的扩张可能通过分泌促纤维化因子如转化生长因子-β(TGF-β)和瘦素,促进心肌僵硬和舒张功能障碍。这些因子促进间质纤维化,降低心室顺应性并损害松弛。此外,EAT过度积累可能对心肌产生机械压迫,进一步恶化心室充盈和心脏负荷。20

虽然研究不如EAT深入,但PAT已与全身炎症、胰岛素抵抗和内皮功能障碍相关联。与影响局部心肌和冠状动脉功能的EAT不同,PAT参与更广泛的代谢失调。PAT体积增加与循环促炎细胞因子水平升高相关,后者可能通过促进动脉僵硬和全身炎症加重心血管风险。这些发现提示EAT和PAT在心血管疾病进展中均发挥重要但不同的作用。21,22

争议

心外膜脂肪组织(EAT)和心包脂肪组织(PAT)的确切作用及影响仍未完全明确。多年来,多项研究报道了部分相互矛盾的发现。例如,Tanami等23发现EAT体积与冠状动脉钙化(CAC)严重程度、冠状动脉狭窄或心肌灌注异常之间无显著关联,这对EAT定量的临床相关性提出了疑问。同样,Mahabadi等24在一般人群中未观察到高EAT体积与严重CAC评分(≥400)之间的显著相关性,尽管在55岁以下且基线CAC较低的患者中注意到了显著关联,提示可能存在年龄依赖性效应。

相反,多项研究支持EAT体积或厚度增加作为不良心血管结局预测因素的作用(表1)。Chu等40、Tscharre等41和Lu等42证明,较高的EAT厚度或体积与不同患者队列中的心血管事件显著相关,包括心房颤动(AF)患者、急性冠脉综合征后患者或经皮冠状动脉介入治疗后患者。同样,Eisenberg等43和West等44使用基于深度学习的分割方法证实了这些关联,进一步支持了EAT体积作为预后标志物的证据。

除数量外,近期研究还关注EAT的质量。Pina等45发现,较低的EAT体积和较高的EAT衰减均与全因死亡率增加独立相关,而Duca等35强调EAT组织特征(如MRI中较高的T1时间)可预测不良结局,即使EAT体积并无预测作用。这些发现强调了日益增长的认识,即不仅是数量,其组成和代谢活性也可能在疾病进展中发挥作用。

Oikonomou等46引入了脂肪衰减指数(FAI)作为冠状动脉周围炎症的潜在替代标志物,证明FAI可独立预测心血管事件——突出了EAT特征超越体积本身的预后价值。Huber等表明,EAT离散度(一种基于CT的脂肪分布异质性指标)与消融后AF复发独立相关47,并证明EAT特征(如纹理和分布)可进一步优化心血管风险预测。48这些发现强调了EAT在风险分层中的功能和结构重要性日益受到认可。然而,关于FAI在不同成像平台和人群中的可重复性仍存在争议,目前正在进行关于标准化CT扫描、重建和测量方案的研究。49–51

连接心外膜脂肪(EAT)体积和衰减与心血管结局的因果机制尚未完全阐明,但新出现的数据提示其具有代谢和炎症基础。Barchuk等人52的最新研究提供了洞见,他们证明冠心病(CAD)患者的EAT表现出脂蛋白脂肪酶(LPL)活性增高,且与神经酰胺水平升高相关——神经酰胺是参与动脉粥样硬化的生物活性脂质。这些神经酰胺种类,尤其是Cer18:1/24:1,与LPL活性及GPIHBP1和ANGPTL4等特定调控因子密切相关。该研究表明,EAT体积增大可能反映富含促炎和致动脉粥样硬化脂质种类的代谢活跃组织,而EAT衰减降低(即脂质含量更高)可能反映不利的组织组成。这一脂质组学特征可能有助于解释EAT特征与不良心血管结局之间的关联,弥合影像学发现与病理生理学意义之间的差距。52

表1. EAT影响——文献概览。 查看原表 ↗

成像技术

计算机断层扫描(CT)因其高空间分辨率、容积数据以及对心包的一致且精确显示,是评估EAT体积和衰减最常用的成像模态。EAT可在非对比增强和对比增强CT图像上进行测量。勾画心包轮廓,CT衰减范围在−190至−30 HU(Hounsfield单位)之间的体素被识别为脂肪组织。53需要注意的是,当使用固定HU阈值时,管电压(kVp)和管电流(mA)等采集参数的变化会影响EAT的衰减和体积测量。除CT采集参数外,其他因素也会影响EAT衰减。例如,季节性变化已被证明会影响EAT衰减,夏季观察到的HU值低于冬季月份。此外,临床和人口学变量——包括性别、种族、体质指数、糖尿病状态以及他汀类或抗高血压药物的使用——也与EAT衰减存在关系,可能使其作为心血管风险生物标志物的解读复杂化。54 Spearman等人在其系统综述中提出,体积阈值>125 mL可预测心脏病理。55

重要的是,使用120 kVp管电压采集并以1.25 mm层厚重建的非对比增强胸部CT所提供的EAT体积与专用心电门控心脏CT相当,具有更广泛的适用性。对比增强CT倾向于低估EAT体积(相较于非增强扫描),报告的的平均差异为31 mL。调整HU阈值可改善不同方案之间的一致性56,57(图2)。CT用于胸部脂肪定量的一个显著优势是可以在每次胸部CT扫描中定量脂肪组织,使其成为机会性筛查的潜在有力工具。

超越体积和衰减指标,基于影像组学的方法使EAT的组织表征更加精细。58 Zhang等59将机器学习算法应用于增强和非增强胸部CT,从分割的EAT中提取1691个影像组学特征,包括一阶统计量、形状描述符和基于纹理的特征。使用Boruta算法进行特征选择并通过随机森林模型进行分类,产生了基于EAT的影像组学特征(EAT-score),其在识别AF方面表现出优异性能(增强CT中AUC为0.92,非增强CT中为0.85)。EAT-score显著优于仅基于EAT体积、衰减或临床变量的模型。

磁共振成像(MRI)能够以高重复性且无辐射暴露的方式对EAT进行体积定量(图3)。可使用多种成像序列,且无需给予钆基对比剂。这使MRI特别适合纵向研究。然而,其局限性包括成本较高、采集时间较长以及与CT相比空间分辨率较低。此外,较大的层厚以及有时心包界定受限(尤其是下部层面)可能影响分割准确性。尽管如此,MRI仍然是EAT分析的安全可靠工具。60,61

心脏MRI的最新进展显著提高了EAT评估的准确性和重复性。值得注意的是,Henningsson等62描述了与标准单期Dixon相比,电影3D Dixon成像的观察者内和观察者间变异性降低(ICC分别为0.96 vs 0.92和0.76 vs 0.63),这可能归因于在整个心动周期中心外膜边界勾画更好。所产生的时间分辨体积数据增强了分割精度。此外,基于Dixon的水脂分离最大限度减少了部分容积效应并改善了组织对比度,从而实现更准确的脂肪定量。

深度学习方法如卷积网络进一步实现了EAT分割的自动化,并达到接近专家级的性能(例如,电影4腔MRI中Dice评分高达0.77)。最近开发的EAT-Mamba流程将多期Dixon成像与Res-Mamba模块相结合,达到了0.86的Dice系数和高度准确的脂肪体积估计。63

超声心动图提供了一种无创、低成本且无辐射的方法来估计EAT厚度,表现为心肌与心包之间的低回声区。64在超声心动图中,EAT最好在右心室游离壁处检测,厚度在胸骨旁长轴和短轴切面中垂直测量。已提出常用阈值5 mm用于识别心血管风险增高的个体。65然而,超声心动图无法进行体积评估,并受限于低空间分辨率和高度操作者依赖性。在某些情况下,EAT也可能被误判为心包积液。66

尽管每种成像技术各有优势,但在不同研究和临床环境中实现一致性和可重复性仍然面临挑战,这一问题在超声心动图检查中尤为突出。成像方案、设备校准和患者体位的变化可能导致结果差异,从而增加结果解读的难度。在CT成像中,多项研究表明,在HU阈值保持不变的情况下,管电压和管电流的变化会影响EAT的衰减和体积测量。多项研究已显示,当HU阈值保持不变时,管电压的变化会影响EAT体积测量。重建参数(如使用迭代重建技术)也会影响HU值和体积测量,尤其是当预设的−190至−30 HU范围未作调整时。51,67

许多关于EAT和PAT在心血管疾病中作用的研究使用了不同的成像和测量方案,这妨碍了可比性。因此,标准化对于确保可重复性、可比性和临床适用性至关重要。68,69

图2. 一名69岁男性患者因评估CAD而行的的心脏CT。(A)心室水平的轴位图像。(B)脂肪分割示意图。 查看原图 ↗
图3. 一名疑似心肌纤维化的54岁女性患者的心脏MRI。(A)心室水平的轴位图像。(B)脂肪分割示意图。 查看原图 ↗

脂肪组织分割方法

多年来,医学图像处理的发展经历了重大变革。最初,EAT和PAT的分割是手动完成的,需要大量精力和专业知识。这种手动分割过程耗时、容易出错,且受观察者间高变异性的影响。70 此后,阈值法、区域生长和活动轮廓等技术在图像分割中占据主导地位。这些方法依赖于人工定义的明确规则和假设。71

为应对这些挑战,更先进的自动化方法已被引入,近年来人们越来越重视基于机器学习的工具,这些工具能够自动提取图像特征用于分割。这些方法极大地提高了分割的准确性和灵活性。72–74

近年来,深度学习技术显著提升了EAT和PAT分割的质量和效率。卷积神经网络作为一种独特的深度学习架构,已被证明对EAT和PAT的自动分割有效。这些技术的主要优势在于能够识别图像数据中的复杂模式,并在极少人工干预的情况下进行分割。这不仅减少了时间,还减轻了与手动和传统半自动方法相关的观察者间变异性。75

Ding等人76将深度学习模型应用于CT数据以实现EAT分割的自动化,与手动分割相比,其准确率较高,Dice系数达到0.82。其他研究,如Rodrigues等人77报告了更高的性能,深度学习模型的Dice系数高达0.98。这些结果通常超过手动分割中遇到的变异性,为临床应用提供了一种有前景的解决方案。

深度学习的一个优势在于其能够从大型数据集中学习,使模型能够处理不同的患者群体和图像质量。通过持续学习和模型改进,该方法可以进一步优化。一旦模型经过训练和验证,结果可以在新数据集上可靠地重现,从而提高该方法的稳健性和可信度。78此外,深度学习也已成功用于预测分析:在一项关于重度吸烟者的研究中,使用神经网络将EAT作为心血管风险的预测因子。79

深度学习在EAT和PAT分割中的应用面临一些挑战。主要障碍之一是训练需要大型标注数据集,因为深度学习模型的质量直接取决于训练数据的数量和多样性。80在医学图像处理中,获取足够的高质量标注图像数据通常很困难,这阻碍了深度学习模型的开发和训练。数据增强技术或合成图像生成等解决方案可能有助于解决训练数据稀缺的问题。80

此外,深度学习模型通常被称为“黑箱”模型,81,82这意味着其决策过程对于人类观察者而言可能难以解释。在临床实践中,深度学习算法产生的结果必须是可解释和经过验证的。因此,模型过程缺乏透明度可能成为广泛临床采用的障碍。研究人员正在通过引入梯度加权类激活映射或局部可解释模型无关解释等技术来改进模型的可解释性,这些技术旨在使模型的决策过程更易于理解。83

另一个挑战是过拟合的风险,当模型在相对较小的数据集上训练时可能出现这种情况。这可能导致模型缺乏泛化能力,在真实世界的临床数据上表现不佳。因此,深度学习模型不仅需要在特定数据集上进行验证,还需要在多样化和广泛的患者群体中进行验证,以评估其真实性能和易出错性,这一点至关重要。80

治疗和生活方式改变对EAT和PAT的影响

心外膜脂肪(EAT)堆积是心脏代谢风险的关键组成部分,由于其潜在的心血管疾病作用而备受关注。然而,目前关于EAT是作为独立可干预的治疗靶点还是作为全身内脏肥胖的替代标志物,证据仍无定论。包括药物干预、生活方式改变和手术治疗在内的多种治疗策略旨在减少EAT体积,从而降低相关风险。11尽管肥胖与代谢健康之间的关系已被广泛研究,但关于心包脂肪的治疗知之甚少。

多种心脏代谢药物已被研究其减少EAT体积的潜力,其中他汀类药物、GLP-1受体激动剂(RA)和SGLT2抑制剂已观察到效果。84这些药物通过多种机制促进EAT体积和厚度的减少,其影响已通过超声、CT和MRI等影像技术的联合评估。85除体积减少外,抗炎作用也有报道。GLP-1 RA,如司美格鲁肽,在肥胖合并2型糖尿病患者中显示出显著减少EAT炎症并改善银屑病临床症状。86EAT还表达GIP、胰高血糖素和GLP-1的受体,这意味着这些药物可能直接作用于脂肪组织。87,88EAT中GLP-1受体表达还与脂肪酸氧化和白色向棕色脂肪转化相关基因表达增加有关,提示GLP-1 RAs可能对EAT进行代谢重编程。89

他汀类药物主要以降脂作用著称,但近期研究表明它们还可能通过多效性作用促进EAT减少。一项基于超声、CT或MRI的3项研究荟萃分析,涉及603例患者,证明他汀类药物对减少EAT厚度(根据设备以mm、ml或cm3测量)具有适度但统计学显著的影响。他汀类药物的标准化均数差(SMD)为−0.195(95% CI −0.79,−0.32,P < .001),表明EAT体积有小幅减少。80他汀类药物被认为不仅通过降脂能力,还通过其抗炎特性调节脂肪组织功能和代谢来发挥这些作用。然而,与GLP-1 RA和SGLT2抑制剂等新型药物相比,他汀类药物对EAT减少的总体影响仍相对温和。80

司美格鲁肽因其在减重、血糖控制和心血管保护方面的作用而受到关注。在一项基于超声、CT和MRI的7项研究、涉及240例患者的荟萃分析中,GLP-1 RA显示出心外膜脂肪组织(EAT)厚度的显著减少,根据设备不同以mm、mL或cm³测量。GLP-1 RA的标准化均数差(SMD)为−1.005(95% CI −1.37,−0.64,P < .001),表明其对减少EAT具有稳健效应。80进一步的敏感性分析证实,GLP-1 RA减少EAT的效果强于SGLT2抑制剂,效力高出2倍(P = .04)。GLP-1 RA对EAT作用的主要机制包括诱导脂肪棕色化、改善心肌胰岛素敏感性以及可能调节炎症通路。此外,GLP-1 RA已被证明对心血管系统具有有益作用,使其成为管理心血管代谢风险患者EAT蓄积的有前景的候选药物。85

SGLT2抑制剂,如恩格列净和卡格列净,主要靶向糖代谢,并已证明对减少EAT具有显著效果。在8项基于超声、CT或MRI的研究、涉及221例患者中,SGLT2抑制剂减少了EAT体积,根据设备不同以mm、mL或cm³测量,SMD为−0.552(95% CI −0.79,−0.32,P < .001)。这些药物通过抑制肾脏中的钠-葡萄糖协同转运蛋白2发挥作用,导致葡萄糖排泄增加和血糖水平降低。SGLT2抑制剂减少EAT的作用也被认为是通过体重改善、炎症减轻和脂肪氧化增强所介导的。有趣的是,SGLT2抑制剂对EAT的效果在6个月后与GLP-1 RA相当,突显了这些药物在EAT长期管理中的潜力。90

然而,SUMMIT试验的心脏MRI亚研究的最新发现挑战了EAT对药物干预始终敏感的假设。在该研究中,替尔泊肽治疗显著减少了左心室(LV)质量和总心旁脂肪体积,但未证明对心外膜脂肪组织(EAT)有特异性作用,提示观察到的减少可能反映整体脂肪丢失而非EAT的直接调节。91这些发现强调了对心脏脂肪组织腔室进行更精确表型分型的必要性,并支持EAT可能作为次要标志物而非主要治疗靶点的观点。

生活方式干预,包括饮食改变和增加体力活动,在药物治疗之外对管理EAT和心旁脂肪组织(PAT)起着关键作用。饮食和体育锻炼均已被证明能显著减少EAT和PAT体积,但其有效性可能因方法而异。92特别是,地中海饮食在减少EAT方面被证明优于其他饮食(如低脂饮食),可能归因于其抗炎特性和高含量健康脂肪。93有氧运动通过增强脂肪氧化和改善胰岛素敏感性帮助减少内脏脂肪。抗阻训练虽然有利于增加肌肉质量,也有助于减少EAT和PAT等脂肪库。高强度间歇训练因其在减少内脏脂肪方面比传统有氧运动更有效而受到关注。94

多模式治疗为管理心外膜脂肪组织(EAT)和降低相关心血管风险提供了综合方法。GLP-1受体激动剂、他汀类药物和SGLT2抑制剂对减少EAT有显著贡献,其中GLP-1受体激动剂显示出最显著的效果。生活方式改变进一步支持这些治疗,尽管荟萃分析显示减重手术可显著减少EAT,但它仍是重度肥胖患者的最后选择。95持续的研究对于完善这些策略和加深对EAT积累及其减少机制的理解至关重要。

在减重过程中,心包脂肪组织(PAT)通常与EAT及其他脂肪库平行减少,尽管它可能不是独立的治疗靶点,但其消退仍可能有助于改善心血管结局。需要持续的研究来阐明PAT减少的临床相关性及其在心血管代谢疾病中的潜在机制作用。

未来研究方向

未来研究应优先建立标准化的影像学检查和测量方案,以提高可比性和临床适用性。鉴于EAT和PAT潜在的不同生物学作用,需要更清晰地区分二者。机制研究对于确定EAT是可改变的治疗靶点还是仅仅是心血管风险标志物至关重要。此外,应进一步开发和验证深度学习模型,以在临床环境中实现自动化和可解释的分析。

结论

本综述旨在总结EAT和PAT作为心血管疾病关键 Contributor 日益受到认可的研究进展。这些组织的解剖学、生理学和病理学作用证明了它们在心血管风险分层中的重要性。影像学技术,尤其是CT,已被证明是量化这些脂肪库的宝贵工具,基于深度学习的分割方法在精确性和可重复性方面提供了进一步改进。尽管结果令人鼓舞,但EAT和PAT作为独立心血管危险因素的确切作用仍存在争议,各项研究之间发现相互矛盾。尽管如此,目前的观点是EAT和PAT均显著影响心血管健康,其中EAT正成为不良结局的预测因素。

影像学和分割中的解剖学精确性至关重要。在此背景下,影像学方案的持续发展和标准化,以及先进影像技术和机器学习工具的整合,对于将这些发现转化为临床实践将起到关键作用。

引用

  1. Demmert TT, Klambauer K, Moser LJ, et al. Epicardial and pericardial adipose tissue: anatomy, physiology, imaging, segmentation, and treatment effects. Br J Radiol. 2026. PMID: 40971601. doi:10.1093/bjr/tqaf223
  2. 全文:PMC13623221(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13623221/

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。