文献速递心血管胸部CTPET

冠状动脉钙化评分在胸部CT机会性筛查中的新兴作用及新应用

Coronary artery calcium score-emerging role for opportunistic screening on thoracic CT and novel applications.
PubMed 文献 · Br J Radiol · 2026-01-01

本文综述了在非心电门控胸部CT(包括常规胸部CT、肺癌筛查CT和衰减校正CT)上机会性识别和量化冠状动脉钙化的证据。机会性筛查可改善心血管风险评估并识别可能受益于预防性药物治疗的患者,但目前尚无评估其临床影响的随机试验;人工智能/机器学习模型和光子计数CT等新技术有望实现自动化评估并减少放射科医生工作量。

要点

  • 胸部CT上机会性评估CAC可采用英国心血管影像学会等指南推荐的可视化逐患者评分(轻、中、重),无需额外软件。
  • 非门控CT与心电门控CT的CAC评估一致性高,汇总相关系数为0.96(95%CI 0.92-0.98,P<.001)。
  • 胸部CT偶然发现的CAC是全因死亡和主要不良心血管事件的独立预测因子,汇总相对风险分别为2.13和2.61。

核心结论

  • 胸部CT机会性识别CAC可改善心血管风险评估并识别可能受益于预防性治疗的患者,但尚无随机试验评估该方法的临床影响。
  • AI/ML模型可促进CAC的自动化识别和量化,提供快速可重复的评估并可能减少放射科医生工作量。
  • 光子计数CT等高分辨率及 spectral 成像技术为CAC检测和风险分层提供了进一步潜力。

研究设计与样本

  • 综述,总结机会性CAC筛查的证据并重点介绍AI/ML评估、CAC作为多系统生物标志物及光子计数CT等新应用。
  • 参考文献包括Meta分析(如15项研究汇总相关系数、94项研究89 006例患者CAC患病率、51 582例患者预后Meta分析、5项研究肺癌筛查MACE Meta分析、7项研究他汀处方Meta分析)及随机试验(NOTIFY-1、ROBINSCA 43 447例患者)。

关键影像表现/征象

  • CAC可在非门控胸部CT(包括平扫和增强)、低剂量肺癌筛查CT及PET/SPECT衰减校正CT上识别和量化。
  • 运动伪影和碘对比剂可导致常规胸部CT上CAC被遗漏或低估。
  • CAC反映冠状动脉壁钙化沉积,是动脉粥样硬化负荷的替代标志物,但不直接测量非钙化低密度斑块等高危斑块成分。

诊断标准与关键数值

  • 英国心血管影像学会、英国心血管CT学会和英国胸部影像学会指南推荐使用可视化逐患者评分(轻、中、重),任何CAC的存在均为审查可改变心血管危险因素并按现有一级预防指南管理的指征。
  • 无症状患者发现CAC不是额外影像学检查的指征。
  • CAC-DRS由心血管CT学会制定,用于标准化非门控或门控非增强CT上CAC的报告。
  • 非门控CT与心电门控CT的CAC评估汇总相关系数为0.96(95%CI 0.92-0.98,P<.001)。
  • 胸部CT上CAC汇总患病率为52%(95%CI 46%-58%),肺癌筛查CT上CAC患病率在不同研究队列中范围为14.8%至98%。

临床应用与阅片要点

  • 英国心血管影像学会等指南推荐对胸部CT上CAC进行逐患者可视化报告(轻、中、重),任何CAC均提示需审查并管理可改变的心血管危险因素。
  • 报告CAC时需考虑扫描仪型号、厂商、重建算法、层厚和采集参数差异对识别和量化的影响,尤其在不同CT平台间或系列检查比较时。
  • 非门控胸部CT上CAC的缺失不能排除冠状动脉疾病,碘对比剂可能掩盖CAC,少量CAC患者可能影响终身药物治疗决策。
  • NOTIFY-1试验中通知组6个月时接受他汀治疗的比例为51.2% vs 标准护理组6.9%(P<.001),通知组非侵入性负荷试验使用增加(11.6% vs 2.3%,P=.018)。
  • 英国放射科医生调查中仅11%常规报告胸部CT钙化,美国放射学会会员调查中心脏放射科医生32%、非心脏放射科医生17%知晓定性与定量CAC评分的相关性。

局限性

  • 目前尚无随机试验评估胸部CT机会性CAC筛查对临床影响的随机试验。
  • 缺乏硬心血管结局的随机研究,正在等待NOTIFY 2(PICTURE,NCT05588895)和ROBINSCA试验的心血管终点结果。
  • 图像采集和重建因素(扫描仪厂商、管电压、层厚、重建方法、无ECG门控)可导致胸部CT低估或高估CAC的存在和严重程度。
  • 碘对比剂可能掩盖CAC,对仅有少量CAC的患者可能影响终身药物治疗决策。
  • CAC报告存在高度变异性,近期Meta分析中范围为18%至93%。
全文中译8 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. 2026 Apr 25;99(1186):1925–36. doi: 10.1093/bjr/tqag094

引言

冠状动脉疾病仍然是全球范围内发病和死亡的主要原因,每年造成超过1980万人死亡。1尽管在治疗和预防方面取得了重大进展,许多个体仍以心肌梗死或心源性猝死作为冠状动脉疾病的首发表现。这凸显了在症状出现之前识别高危个体的准确方法的持续需求。目前对无症状患者进行冠状动脉疾病风险分层的策略依赖于概率性风险评分,这可能高估或低估真实的疾病负担。机会性评估冠状动脉钙化(CAC)提供了动脉粥样硬化的直接影像学标志物,能够识别已存在的冠状动脉疾病,而不仅仅是估计其可能性。

冠状动脉钙化是冠状动脉粥样硬化存在和严重程度的稳健影像生物标志物。钙化是动脉粥样硬化斑块的一个组成部分,斑块还包含非钙化成分,包括纤维化、脂质和坏死成分。冠状动脉钙化可以使用CT进行定量,最常用的是通过非对比心电图(ECG)门控心脏CT。在过去30年中,大型人群研究和临床试验已确立了CAC的预后价值,较高的CAC与有症状和无症状患者心血管事件和死亡率增加相关。2,3然而,CAC可以在胸部非门控CT上识别和定量,包括非对比和对比增强图像(图1)。它也可以在低辐射剂量图像上识别和定量,如肺癌筛查CT和核医学成像研究中用于衰减校正的CT(图2)。这为冠状动脉疾病的机会性筛查提供了可能,即在因其他临床指征进行的CT扫描上识别CAC。这可能是识别冠状动脉疾病的一种具有成本效益、广泛可及的选择。

鉴于全球范围内CT检查量巨大且快速增长,自动提取CAC信息可以提供一种无需额外检查或辐射暴露即可评估心血管风险的机会。人工智能/机器学习(AI/ML)的最新进展进一步增强了机会性筛查的可行性,且不增加放射科医生的工作量。冠状动脉钙化也已成为多系统疾病和生物学衰老的潜在生物标志物。与此同时,光子计数CT(PCCT)和光谱重建等新型CT技术正在提供识别和定量CAC的新方法。本综述总结了CAC机会性筛查的原理和证据,并重点介绍了近期的新应用。

图1 3例患者在对比增强和非对比CT上识别的冠状动脉钙化(CAC)。(A)一名因转移性乳腺癌接受随访CT的患者,左前降支(LAD)中段轻度CAC。(B)一名因评估咳嗽接受非对比CT的患者,中度CAC。(C,D)一名因心力衰竭继发双侧胸腔积液的患者,左前降支冠状动脉、左回旋支和右冠状动脉重度CAC。 查看原图 ↗
图2 在为肺癌筛查进行的低剂量CT(A、B)和为PET衰减校正进行的低剂量CT(C、D)上发现的冠状动脉钙化(CAC)。一名(B)右下叶肺癌患者(A)右冠状动脉内可见轻度冠状动脉钙化。一名接受PET/CT进行心血管评估的患者左冠状动脉、左回旋支(C)和右冠状动脉(D)可见重度冠状动脉钙化。 查看原图 ↗

冠状动脉钙化的CT评估

冠状动脉钙化反映的是作为动脉粥样硬化疾病过程一部分的钙化在冠状动脉壁内的沉积。钙化通常出现在斑块发生和进展自然史的较晚阶段,该过程涉及血管损伤与愈合的循环。冠状动脉钙化与动脉粥样硬化的总负荷相关,但并不直接测量高风险斑块成分,如非钙化斑块和低衰减斑块。因此,CAC应被视为冠状动脉疾病负荷的替代标志物。

采用CT评估CAC最早建立于20世纪90年代初,最初使用电子束CT。4随着多探测器CT和心电图门控技术的进步,CAC评分变得高度可重复且更广泛适用。专用的非增强心电图门控CT仍是CAC测量的参考标准,具有采集快速、辐射剂量低和可重复性极佳的优势。已为专用心脏CT制定了标准化采集方案。然而,机会性CAC评估可在因其他临床指征而进行的大范围非门控胸部CT检查中实施。这会因扫描仪型号、厂商、重建算法、层厚和采集参数的差异而带来潜在变异性。这些因素可影响CAC的识别和定量,因此在解读机会性评估时应予以考虑,尤其是在比较异质性CT平台或跨系列检查时。

已经开发了多种用于CT上冠状动脉钙化(CAC)定量的方法(表1)。心电门控CT最广泛使用的方法是Agatston评分,该评分计算钙化病灶面积的加权和,并根据其峰值密度进行调整。4其他定量方法包括钙体积评分和钙质量评分,这些在临床实践中不常规使用。或者,可以应用视觉序数评分而无需额外软件,通过将冠状动脉钙化的严重程度分类为无、轻度、中度或重度,并以每节段、每血管或每患者为基础进行汇总。对于胸部CT上CAC的评估,英国心血管影像学会、英国心血管计算机断层扫描学会和英国胸部影像学会指南5推荐使用每患者视觉评分,该评分可轻松应用于所有CT成像类型且不需要额外软件。本指南推荐以每患者水平将CAC报告为轻度、中度或重度,任何CAC的存在都是审查可改变心血管危险因素并按照现有一级预防指南进行管理的指征。在无症状患者中识别出CAC不是额外影像学检查的指征。冠状动脉钙化数据与报告系统(CAC-DRS)由心血管计算机断层扫描学会开发,用于标准化在有或无ECG门控的非增强CT上CAC的报告,并在一些中心用于提供标准化报告和管理建议。6

大量文献表明,心电门控CT上的CAC负荷是主要不良心血管事件(MACE)的有力预测因子,包括心肌梗死和心血管死亡。2,7–9心电门控CT的CAC评分为零与极低的短期和中期事件率相关10,11,而较高的CAC评分类别与风险的逐步增加相关。值得注意的是,心电门控CT上的CAC评分改善了患者从低危到中危的分类,12,13识别出可能从更强化预防性治疗中获益的患者。鉴于其强大的预后价值,心电门控CT的CAC评分已被纳入冠状动脉疾病预防和管理的国际指南。14,15对于无症状患者,CAC可以将心血管风险从传统概率评分重新分类,并可能对风险评分处于临界值的患者有用。14对于有疑似冠状动脉疾病症状的患者,冠状动脉钙化的存在可用于调整梗阻性冠状动脉疾病的估计临床可能性并指导进一步检查。15

表1 CT上冠状动脉钙化的定量方法。 查看原表 ↗

冠状动脉疾病的机会性筛查

机会性筛查是指利用为其他主要目的而进行的检查来发现疾病或危险因素。基于CT的机会性筛查可以发现意外的病理或危险因素,为患者和医疗服务提供者提供额外价值,且不增加额外辐射暴露或患者时间。16 目前识别冠心病风险个体的方法依赖于使用心血管风险评分或是否存在症状。然而,许多患者在没有先前症状的情况下即表现为晚期冠状动脉疾病、急性冠脉综合征或心源性猝死。17 此外,心血管风险评分可能低估某些患者的疾病风险,尤其是年轻女性,并高估其他患者的疾病风险,尤其是老年男性。18 因此,需要能够更早、更准确地识别高风险个体的策略。其影响潜力巨大,例如,2023年美国进行了约2450万次覆盖胸部的CT检查(包括全身CT,不包括心脏CT)和约3000万次腹部和盆腔CT检查,后者通常也覆盖心脏下部。19

冠状动脉钙化可在任何覆盖部分或全部心脏的CT扫描上识别。这包括胸部和腹部的增强和非增强CT。冠状动脉钙化也可在用于肺癌筛查的低剂量CT以及作为PET和SPECT一部分进行的衰减校正CT上识别(图2)。尽管本手稿后面讨论了技术局限性,但与心电门控CT相比,CAC可在非专用CT上以良好的诊断准确性进行识别和量化(图3)20,并具有良好的观察者间和观察者内一致性。21 然而,运动伪影和对比剂充盈可能意味着在常规胸部CT上CAC可能被遗漏或低估。一项纳入15项研究的荟萃分析显示,非门控CT评估的CAC与心电门控CT具有极好的一致性,合并相关系数为0.96(95% CI,0.92至0.98,P < .001)。22 因此,胸部CT为冠心病的机会性筛查提供了重要潜力,使早期发现和干预成为可能。

图3 冠状动脉钙化在(A)心电门控CT、(B)1个月后进行的增强胸部CT和(C)1周后PET期间进行的低剂量衰减校正CT上的表现。冠状动脉钙化使用Agatston评分以及基于每个节段和每位患者的视觉序数评分进行定量评估。缩写:ECG = 心电图。 查看原图 ↗

机会性CAC筛查冠心病的临床获益

许多因非心脏适应症(如肺部疾病评估、肿瘤分期扫描或肺癌筛查)接受胸部CT的患者存在显著CAC。22在这些无症状患者中报告CAC可能识别出既往未知的冠状动脉疾病的存在。冠状动脉钙化是胸部CT上的常见发现,一项纳入94项研究、包括89006例患者的荟萃分析显示其合并患病率为52%(95% CI,46%至58%)。22该荟萃分析纳入的研究之间存在中度异质性,在老年患者和男性患病率较高的研究中发现CAC患病率更高。异质性的其他来源可能包括影像学检查适应症和CT采集参数,例如是否纳入肺癌CT。

从预后角度来看,胸部CT上的偶然性CAC是不良心血管结局(包括全因死亡率和MACEs)的稳健且独立的预测因子。22一项对51582例患者随访51.6 ± 27.4个月的荟萃分析显示,存在CAC的患者全因死亡率风险增加,合并相对风险为2.13(95% CI,1.57至2.90,P = .004),MACE的合并相对风险为2.61(95% CI,2.17至3.74,P < .001)。22胸部CT上的冠状动脉钙化与心血管发病率和死亡率风险增加相关,包括心肌梗死和复合终点如血运重建、卒中、肢体缺血、心源性猝死和心力衰竭。23在COVID-19患者中,CAC的存在与院内死亡率增加相关。24有趣的是,在接受CT肺动脉造影的患者中,偶然性CAC已被证明是比肺栓塞严重程度更重要的死亡率预测因子,25突显了在治疗主要诊断的同时评估CAC的重要性。

目前全球大量患者正在接受低剂量胸部CT作为肺癌筛查项目的一部分。冠状动脉疾病和肺癌的危险因素之间存在重要重叠,例如吸烟。因此,将CAC评估整合到肺癌筛查中可能提供同时识别癌症和心血管疾病——全球两大主要死因——的机会。在不同研究队列中,肺癌筛查CT上CAC的患病率范围为14.8%至98%。26在一项纳入5项研究的荟萃分析中,接受肺癌筛查的患者中,存在CAC的患者MACE和全因死亡率风险增加,合并相对风险为3.27(95% CI,1.88至5.68,P = .004)。22肺癌筛查CT上的偶然性CAC已被证明具有长期预后意义,可延伸至25年。27此外,在荷兰一项卫生技术评估中进行的建模发现,肺癌、慢性阻塞性肺疾病和心血管疾病的联合筛查比单独肺癌筛查更具成本效益。28

偶然发现的CAC的识别也可能导致管理的变化,例如开始他汀类药物治疗、改善血压控制以及生活方式改变,如戒烟、改善饮食和增加体力活动。在非门控胸部CT上,CAC的存在可以重新分类那些风险可能被传统危险因素评估高估或低估的患者。21

一项对7项研究的荟萃分析发现,在胸部CT上报告偶然发现的CAC与5项研究(71%)中他汀类药物治疗处方增加相关。23偶然冠状动脉钙化质量改进项目(NOTIFY-1)显示,被随机告知胸部CT上偶然发现CAC的患者在6个月时更可能正在接受他汀类药物治疗(51.2%对6.9%,P < .001),且与随机接受标准治疗的患者相比,其低密度脂蛋白胆固醇水平更低。29此外,他们发现初级保健医生就诊次数增加,但心脏科门诊预约未增加,非侵入性负荷试验的使用增加(11.6%对2.3%,P = .018),但侵入性冠状动脉造影未增加。29

有大量观察性数据显示队列研究中CAC的预后影响,随机研究显示CAC可以影响治疗终点和行为改变。然而,关于硬性心血管结局的随机研究尚未发表。我们正在等待随机研究的结果,这些研究显示基于此信息改变管理可改善预后。NOTIFY 2:偶然钙化图像以理解风险估计(PICTURE,NCT05588895)研究将评估随机通知胸部CT上偶然发现的CAC与标准治疗对10年心血管事件的临床影响。此外,一项大型随机试验评估了使用专用心电图门控CT筛查CAC对管理变化的影响。心血管疾病筛查风险或获益(ROBINSCA)试验将43 447例患者随机分配至使用传统危险因素评估筛查心血管疾病或使用心电图门控CT评估CAC。30 ROBINSCA试验显示,使用CAC筛查减少了被推荐服用预防性药物的个体总数31,且这些患者在14个月随访后更可能依从服用降压和降胆固醇药物。30在ROBINSCA试验中,与基于传统风险评分的筛查相比,基于CAC的筛查对生活质量或临床相关焦虑水平没有影响。32被告知高CAC评分的参与者报告的焦虑水平略高于低CAC评分或风险评分结果的参与者,但这一差异未达到临床有意义变化的阈值。32这些管理变化的长期预后影响仍有待ROBINSCA试验确定,心血管终点结果尚待公布。

利用CAC对冠状动脉疾病进行机会性筛查的挑战

尽管人们对在胸部CT上机会性识别CAC的热情日益高涨,但仍有一些挑战需要考虑。这包括图像采集和重建因素对CAC识别和分类的影响、报告方法的差异、融入临床工作流程,以及需要随机试验和成本效益分析来支持其实施。

在没有ECG门控且采用不同采集参数(扫描仪厂商、管电压、层厚、重建方法等)的情况下,与ECG门控CT相比,胸部CT可能低估或高估CAC的存在和严重程度。标准化ECG门控CT采用3 mm非重叠层厚、120 kV管电压和滤波反投影重建算法进行。对于胸部CT,使用更薄的层厚、更低的管电压、迭代及其他重建算法以及无ECG门控均可能影响钙化的检测和定量。因此,胸部CT上无CAC可能并不意味着无冠状动脉疾病。碘对比剂可能掩盖CAC的存在,而CAC在非对比CT上更容易看到。其影响可能较小,尤其是如果将CAC按宽泛的分类组考虑时,但对于仅有少量CAC的患者,这可能决定是建议终身药物治疗还是不治疗。

另一个重要挑战是如何将CAC评估纳入临床工作流程。从卫生系统的角度来看,一个重要的疑问仍然围绕成本效益。虽然建模研究表明肺癌和心血管联合筛查可能具有成本效益,33但目前尚无来自随机对照试验的证据。有人对放射科医生工作量的影响以及潜在的下游“不必要”检查提出了担忧。NOTIFY-1试验发现,在通知组内,接受额外CAD检测的患者数量略有增加,主要以心脏负荷试验的形式。29因此,将机会性CAC筛查融入临床实践需要仔细考虑资源分配。

向转诊临床医生提供关于如何解读CAC结果并据此采取行动的明确指导非常重要,正如BSCI/BSCCT/BSTI指南所述。5其他学会也制定了胸部CT上CAC报告指南,包括心血管计算机断层扫描学会/胸部放射学会、34美国放射学会35和国家脂质协会。36对于肺癌筛查,欧洲呼吸学会、欧洲胸外科医师学会、欧洲放射肿瘤学会、欧洲放射学会、欧洲胸部影像学会和欧洲医学物理组织联合会关于偶发发现管理的联合声明建议在肺癌低剂量CT筛查中报告CAC。37转诊临床医生可能不确定将由谁对这些结果采取行动,尤其是在初级和二级保健存在交叉的情况下。明确的本地指南和结构化路径可能有助于确保管理的一致性,并避免错过冠状动脉疾病预防的机会。大多数患者将无症状,仅需要评估其心血管危险因素。然而,少数既往有未识别疑似冠状动脉疾病症状的患者需要转诊至适当的胸痛或心脏科服务,并可能需要进一步检查。转诊临床医生应考虑如何在患者整体临床情况 and 心血管风险的背景下使用这些信息。有些患者CAC信息可能不提供附加价值,例如预期寿命不足6个月者。然而,癌症诊断并不意味着CAC信息总是可以被忽略,因为如今许多CAC患者在初始癌症治疗后存活,并在之后发生心血管事件。38

开发使所有患者都能公平获取CAC信息的方法非常重要。目前,胸部CT上CAC的报告存在高度变异性,在最近一项荟萃分析中介于18%至93%之间。22一项对英国放射科医生的调查发现,仅11%常规报告胸部CT上的钙化39,一项对美国放射学会成员的调查发现,仅32%的心脏放射科医生和17%的非心脏放射科医生了解定性和定量CAC评分之间的相关性。40对报告放射科医生实施教育项目可有效改善胸部CT上CAC的评估41,此类努力对于实施标准化实践至关重要,可确保在不同临床环境中一致且准确地报告。

新应用

使用人工智能/机器学习(AI/ML)模型识别冠状动脉钙化(CAC)可以提供快速、准确且可重复的评估,并有可能减轻放射科医师的工作负担(图4)。42 目前已开发出多种AI/ML模型用于在心电门控CT上识别和量化CAC,并且AI/ML模型已被进一步训练以处理采用多种成像方案的胸部CT。43–46 其中一些已商业化,并被列入FDA“人工智能赋能的医疗器械清单”(https://www.fda.gov/medical-devices/software-medical-device-samd/artificial-intelligence-enabled-medical-devices)。然而,必须记住,在临床实践中使用AI/ML也存在许多局限性,包括偏倚、泛化性、临床验证、互操作性、数据隐私、成本效益、上市后监督和监管。42

其中一些AI/ML模型已就其预后意义进行了评估。Zeleznik等43利用Framingham心脏研究、国家肺癌筛查试验(NLST)、PROMISE和ROMICAT-II中的门控和非门控CT,训练了一个用于评估胸部CT上CAC的深度学习模型,并表明该模型与人工评估具有良好的一致性,且能够识别正在接受肺癌筛查且心血管死亡风险增加的患者。该AI/ML模型识别出,在随访6.7年后,校正年龄、性别、糖尿病、心脏病和高血压后,钙评分高(>300 Agatston单位)的患者发生心血管死亡的可能性几乎是无CAC患者的4倍(HR 3.87,95% CI,2.45至6.11,P < .001)。43 Hagopian等45利用美国退伍军人事务系统的数据训练了一个深度学习模型来评估CAC。他们的AI/ML模型显示,CAC评分>400 Agatston单位的患者更可能发生10年全因死亡(与无CAC患者相比,HR 3.49,P < .0005)以及卒中、心肌梗死和死亡的复合终点(与无CAC患者相比,HR 3.00,P < .005)。45在8052例接受低剂量非门控CT进行肺癌筛查的患者中,他们在79%的患者中识别出CAC,并且CAC评分>400 Agatston单位的患者中有30.6%未接受降脂治疗。45这些研究共同表明,AI/ML模型可以有效预测心血管风险,并突显预防性护理中的差距。

一旦识别出CAC,还可以使用进一步的AI/ML模型来优化患者护理。例如,自然语言处理和大语言模型可用于从放射学报告中识别CAC的存在,并评估患者是否已经在接受适当的预防性药物治疗。这可用于将适当的干预措施有针对性地提供给可能获益的患者,使医疗保健更加个性化和具有成本效益(图5)。此类多步骤或代理式AI/ML模型尚未可用于临床。

已有多个研究团队尝试超越传统的冠状动脉钙化(CAC)定量方法(如Agatston评分),纳入密度、分布和影像组学特征等方面的信息。影像组学是一个不断发展的领域,其过程是从医学影像中提取大量定量特征,以捕捉纹理、形状和空间分布等潜在组织特征,超越人眼所能辨识的水平。影像组学特征已被证明能够在冠状动脉CT血管造影中识别高风险斑块特征47,并在临床因素和斑块负荷之外改善冠状动脉CT血管造影对心肌梗死的预测48。钙化影像组学特征已被证明可在冠状动脉钙化评分基础上额外预测9.1年时的主要不良心血管事件(MACE)49。在非门控胸部CT上,由于运动伪影和图像采集参数的变异性,冠状动脉影像组学特征的评估将具有挑战性。然而,在动脉粥样硬化多种族研究(MESA)的低剂量胸部CT中,整个心脏的影像组学特征(包括冠状动脉钙化区域)在预测严重冠状动脉狭窄的存在方面优于单纯心血管危险因素50。这些CAC的影像组学评估尚未准备好用于临床实践。实施影像组学评估的挑战包括采集方案、扫描仪、制造商和重建参数之间的变异性。用于影像组学评估前后图像协调化的工具正在开发中,包括统计学和人工智能/机器学习(AI/ML)方法。然而,在影像组学特征能够可靠地整合到常规临床工作流程之前,需要进行广泛的进一步验证和标准化,尤其需要关注在不同影像数据集之间的一致性和准确性。

近年来,光子计数CT(PCCT)的发展提高了我们评估冠状动脉等小结构的能力。光子计数CT使用直接计数光子数量和能量的探测器,使我们能够进行更高分辨率的成像和光谱材料分解分析。更高分辨率的成像可减少钙化溢出伪影(该伪影可导致钙化被高估),并能够识别比能量积分探测器CT更小的钙化区域。然而,标准化钙化评分采集采用3 mm非重叠层厚,因此需要就如何在临床实践中利用这些关于较小动脉粥样硬化区域的额外信息达成共识。如果使用3 mm层厚,则早期研究显示PCCT导致的CAC评分低于标准能量积分探测器CT51。通过对比增强PCCT多能光谱成像,可以重建虚拟非对比(VNC)图像并据此评估CAC。来自VNC图像的冠状动脉钙化评分已被证明略低于真实非对比图像52。使用PCCT的VNC图像可以在对比增强CT上评估CAC评分(图6),但目前不推荐将这些重建图像用于临床。

冠状动脉钙化也已成为系统性疾病和生物学衰老的潜在多系统生物标志物(图7)。冠状动脉钙化(CAC)的存在和严重程度与心血管疾病和全因死亡率之外的多种疾病相关,包括癌症、慢性肾脏病、慢性阻塞性肺疾病、骨质疏松症、痴呆和代谢性疾病。53–56 然而,必须指出,CAC与这些不同疾病之间的相关性并不表明因果关系,可能归因于共同的合并症或危险因素。在MESA研究中,CAC与癌症、慢性肾脏病、肺炎、慢性阻塞性肺疾病和髋部骨折风险增加相关。55 在动脉粥样硬化社区风险(ARIC)研究中,对2290名75岁以上无已知冠心病的个体进行了研究,CAC与多种衰老标志物相关,包括痴呆、听力障碍、肺功能损害和握力。56 CAC与生物学衰老之间的联系可能归因于多种因素,如共同危险因素、共同疾病机制(包括全身性炎症或氧化应激),或心血管疾病加重其他疾病。这些多系统信息应如何在临床实践中使用尚不确定,是未来研究的重要课题。

图4 使用机器学习模型评估胸部CT上识别的冠状动脉钙化。在(A)左前降支冠状动脉及其分支中正确识别了冠状动脉钙化(黄色)。右冠状动脉中的冠状动脉钙化被正确识别,但由于运动伪影其体积被高估(B,红色)。总Agatston冠状动脉钙化积分为327 Agatston单位。高于130 Hounsfield单位的像素由软件以粉色高亮显示。 查看原图 ↗
图5 提出的用于机会性冠状动脉钙化(CAC)评估和适当临床行动的全流程人工智能/机器学习(AI/ML)管道。人工智能/机器学习算法可以在因各种非心脏适应症进行的胸部CT上自动识别和量化CAC。结果可纳入大语言模型生成的报告,提供结构化文本供放射科医生审阅和批准,并附简要患者摘要。自然语言处理(NLP)模型随后可筛查患者的电子健康记录,以识别当前预防性用药情况、既往CAC评估和患者特定的干预障碍。最后,可通知临床医生任何可能从额外评估中获益的患者,将CAC信息纳入心血管风险评估,并通过临床决策支持工具支持适当的管理变更或用药建议。缩写:CAC = 冠状动脉钙化。 查看原图 ↗
图6 光子计数CT上的冠状动脉钙化,显示平扫CT(A)和对比增强CT冠状动脉造影联合虚拟单能图像(B、D)及虚拟平扫图像(C、E)的评估。在平扫CT(黄色)以及对比增强CT和虚拟平扫CT(白色)上识别出左前降支冠状动脉中的冠状动脉钙化。 查看原图 ↗
图7 冠状动脉钙化(CAC)作为多系统生物标志物。已发现CAC与其他疾病之间的相关性,但这可能是由于共同的合并症或危险因素而非因果关系(Created in BioRender. Patel, R. (2025); https://BioRender.com/c1cvpg1)。缩写:COPD = 慢性阻塞性肺疾病。 查看原图 ↗

结论

在胸部CT上识别和量化CAC可作为心血管风险的机会性生物标志物。冠状动脉钙化可在所有类型的CT成像上识别和量化,目前已有自动化的人工智能/机器学习(AI/ML)方法可用。机会性筛查提供了一种低成本的方式来识别心血管事件风险增加的患者,这些患者可能从更积极的心血管危险因素管理和药物治疗(如降胆固醇药物)中获益。正在进行的随机对照试验正在研究基于CAC的管理能否改善患者结局。目前即可在胸部CT上常规报告CAC,使用简单快速的视觉序数评分。我们知道这一信息可改善生活方式行为并优化管理,但我们热切期待随机研究揭示这些改变对硬性心血管结局的影响。未来,AI/ML量化与分析工具可能使这一过程自动化,而影像组学分析和光子计数CT(PCCT)等新技术可能进一步优化风险分层。

利益冲突

M.C.W. 受英国心脏基金会资助(FS/ICRF/20/26002)。M.C.W. 曾为Canon Medical Systems、Siemens Healthineers、GE Healthcare和Novartis进行演讲,并为FEOPS、Novartis、Bayer和Canon Medical Systems提供咨询服务。

引用

  1. Patel R, Williams MC. Coronary artery calcium score-emerging role for opportunistic screening on thoracic CT and novel applications. Br J Radiol. 2026. PMID: 42033770. doi:10.1093/bjr/tqag094
  2. 全文:PMC13623238(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13623238/

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。