冠状动脉疾病高级定量CT:狭窄、斑块定量与FFR-CT的整合
综述探讨了CCTA评估CAD的最新进展,重点在斑块定量。AI定量CT可高效、可重复地分析斑块生物标志物以支持风险分层;AI狭窄定量可简化工作流并提高一致性;光子计数探测器CT提高空间分辨率;FFR-CT提供无创生理评估。文章还讨论了这些进展对风险分层和预防治疗的影响。
要点
- AI定量斑块分析可高效、可重复地评估斑块负荷,优于单纯狭窄评估的风险分层。
- 视觉评估狭窄严重程度在41%病例中误分类,AI狭窄定量可提高一致性。
- 不同平台HU阈值差异导致斑块体积报告相差20%-30%,随访需使用一致方案。
核心结论
- AI定量CT可高效、可重复地分析斑块生物标志物,支持更精细的MACE风险分层。
- AI狭窄定量可简化工作流、提高一致性,并在所有临床场景中优于2级认证读者。
- 光子计数探测器CT提高空间分辨率,允许更精确的冠状动脉管腔分析和伪影减少。
- FFR-CT提供狭窄病变的无创生理评估。
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中明确报告。
- 汇总了SCOT-HEART、PROMISE、CONFIRM、ISCHEMIA、ICONIC等前瞻性队列或试验的预后证据。
- 纳入多项AI定量平台与IVUS、组织病理学、专家共识读片的验证研究。
关键影像表现/征象
- 高危斑块特征包括低衰减斑块(衰减<30-60 HU)、正性重构(重构指数>1.1)、餐巾环征和点状钙化(直径<3 mm)。
- LAP负荷>4%对MI或心源性死亡的HR为4.65(95% CI, 2.06-10.5)。
- 任何不良斑块特征对MI或心源性死亡的HR为3.01(95% CI, 1.61-5.63)。
- 非阻塞性病变中HRP特征预测事件的HR为4.31(95% CI, 2.25-8.26),校正后HR为1.72(95% CI, 1.13-2.62)。
- PAV>7.5%预测主要心血管事件的HR为4.37(95% CI, 2.51-7.62)。
诊断标准与关键数值
- LAP定义为衰减<30-60 HU,代表富含脂质的坏死核心。
- 正性重构定义为重构指数>1.1。
- 点状钙化定义为直径<3 mm。
- NCP通常定义为30-350 HU,但低衰减成分分类从<30 HU到<60 HU不等,钙化斑块阈值从>130 HU到>350 HU不等。
- AI-CSQ与IVUS强相关;深度学习平台诊断准确度81%-86%,与IVUS相关系数0.92-0.95。
临床应用与阅片要点
- 不同厂商HU阈值方案不同,报告斑块体积差异可达20%-30%,随访扫描需使用一致方案。
- 对比剂浓度或kV变化可改变斑块衰减,影响LAP测量,系列扫描评估疗效时尤需注意。
- 2025 ACC专家共识建议每次检查生成厂商报告,明确参数以提高系列成像标准化。
- 自动工具应补充而非替代专家视觉评估,所有自动测量需经有经验读者质控审核。
- 当前证据支持按血管整体指标进行风险分层和预防治疗决策,按斑块评估用于特定病变特征描述。
局限性
- 缺乏普遍接受的参考标准,使斑块验证和跨平台可比性复杂化。
- IVUS空间分辨率有限(100-150 μm),不足以识别薄纤维帽。
- OCT穿透深度有限(1-2 mm),无法全面评估斑块。
- 联合IVUS-OCT对薄纤维帽纤维粥样斑块的阳性预测值仅69%。
- 专家共识解读存在固有循环性,读者间CV为8%-15%,高危特征一致性仅中等(κ=0.4-0.6)。
全文中译13 节 · 点击展开
引言
冠状动脉疾病(CAD)仍然是全球主要的死亡原因。1 心脏CT血管成像(CCTA)的视觉评估仍是当前指导临床医生制定管理方案的实践标准,然而该方法可能受限于效率低下和观察者间变异性,2 可能延误最佳诊疗。
冠状动脉疾病的影像学评估正在迅速变化,新的研究和人工智能(AI)的兴起为这些局限性提供了解决方案。通过CCTA进行斑块定量分析可提供对主要不良冠状动脉事件(MACE)具有高度预后价值的影像生物标志物,2 并且相比单纯狭窄评估可提供更精细的风险分层。然而,包括开花伪影、束硬化伪影和冠状动脉运动伪影在内的技术挑战,以及斑块分割和特征描述所需的大量人工劳动,历来限制了临床实施。3 近期AI的进展可能有助于克服这些障碍,实现更高效、准确和可重复的分析。4
在本综述中,我们探讨了AI在斑块定量分析、狭窄分析以及基于CT血流储备分数(FFR-CT)的功能评估中的新兴应用,以及光子计数探测器CT(PCD-CT)在冠状动脉空间分辨率方面所提供的优势。我们讨论了这些改进的临床意义,特别是关于风险分层、预防性治疗和患者管理方面。最后,我们展望了该领域可能的未来发展方向。
斑块定量分析
通过CCTA进行斑块定量分析是对冠状动脉斑块不同特征的无创评估。
CCTA上的高危斑块(HRP)特征已基于组织病理学对应关系加以定义,包括:(1)低衰减斑块(LAP),衰减值<30-60 HU,代表富含脂质的坏死核心;(2)正性重构(重构指数>1.1),提示血管向外扩张;(3)餐巾环征,其特征为围绕坏死核心的高衰减环;(4)点状钙化(直径<3 mm)。这些特征与尸检中发现的薄纤维帽粥样斑块和易损斑块相关。5–7 表1提供了常用视觉和定量斑块指标及其定义的详细概述。
来自前瞻性队列研究的预后证据
CCTA量化的动脉粥样硬化负荷的预后价值已在多个大型注册研究中得到验证。苏格兰心脏计算机断层扫描(SCOT-HEART)试验表明,低衰减斑块(LAP)负荷>4%可使心肌梗死(MI)或心源性死亡的风险比为4.65(95% CI,2.06-10.5),而在4.7年随访期间,任何不良斑块特征的存在可使风险比为3.01(95% CI,1.61-5.63)。8,9 延长的10年随访证实了持续获益,CCTA指导的管理降低了冠心病死亡或非致命性MI(6.6% vs 8.2%,HR 0.79,95% CI,0.63-0.99),同时预防性治疗的使用持续增加。10 前瞻性多中心影像学研究评估胸痛(PROMISE)试验(n = 4415)显示,非阻塞性病变中的高危斑块(HRP)特征可预测事件,HR为4.31(95% CI,2.25-8.26),在考虑狭窄严重程度和临床危险因素后仍保持独立预后价值(校正HR 1.72,95% CI,1.13-2.62)。11 在冠状动脉CT血管造影评估临床结局:国际多中心(CONFIRM)注册研究(n = 3547例无阻塞性CAD的患者)中,节段累及评分>5可预测主要不良心脏事件,校正HR为3.3(95% CI,2.2-4.8),在5.4年随访期间显著超过糖尿病(HR 1.6,95% CI,1.2-2.1)或高血压(HR 1.3,95% CI,1.0-1.6)的预后价值。12 国际比较健康有效性研究与有创方法(ISCHEMIA)试验表明,斑块体积百分比(PAV)>7.5%可预测主要心血管事件,HR为4.37(95% CI,2.51-7.62)。13 计算机断层扫描识别的突发冠状动脉综合征(ICONIC)研究证实,餐巾环征和LAP <60 HU是不良结局的强大独立预测因素。14 在这些发现的基础上,正在进行的SCOT-HEART 2试验(n > 5000)代表首个在无症状个体中大规模随机评估CCTA指导与风险评分指导的一级预防的试验,检验亚临床动脉粥样硬化检测能否增强心血管风险分层并指导预防性治疗的启动。15
斑块评估的方法学
冠状动脉斑块表征已发展出三种方法,每种方法各有其特定优势和固有局限性。16–18 理解这些差异对于解读现有文献和认识向自动化量化发展的演变至关重要。
由经验丰富的观察者进行的视觉评估仍是主要的临床方法,采用定性或半定量判读来识别斑块存在、分类成分(钙化、非钙化或混合性)并识别高风险形态学特征。17 半定量评分系统包括节段累及评分(含任何斑块的节段数)和节段狭窄评分(纳入狭窄严重程度),可提供可重复的病变范围估计。然而,视觉评估存在显著的观察者间变异性。前瞻性多中心研究表明,即使在经验丰富、经过认证的判读者中,狭窄严重程度在41%的病例中被错误分类。19,20 HRP特征识别的一致性仅达到中等符合度,已发表的验证研究中kappa统计量为0.56至0.69。21
定量斑块评估通过在多层重组图像上手动或半自动勾画血管壁和管腔边界,采用系统性容积测量。22–24 总斑块体积由外血管壁体积与管腔体积之差得出,并在所分析的冠状动脉节段内求和。成分分析利用Hounsfield单位阈值将总斑块体积划分为钙化、非钙化和低衰减成分。PAV按斑块体积除以血管壁体积计算,将负荷按血管大小标准化,并显示出对治疗干预系列评估的特殊效用。确立斑块独立预测价值的里程碑式预后试验——SCOT-HEART、PROMISE、CONFIRM和ISCHEMIA——均采用这些手动或半自动定量技术。8,11–13 每例分析时间为25至45分钟,需要专业培训和经验。即使经验丰富的分析人员也表现出观察者间变异性,容积测量的变异系数在8%至15%之间,而与血管内超声(IVUS)的相关性通常在r=0.85至0.92之间。22–24
人工智能赋能的定量评估利用深度学习架构来自动化冠状动脉斑块定量,可能提高可重复性,同时大幅缩短分析时间。3,18,25,26 多中心验证研究表明,最先进的深度学习平台与专家共识判读相比达到81%至86%的诊断准确率,在对照IVUS验证时相关系数范围为0.92至0.95。3,18,26 分析时间从超过25分钟降至每例通常<60秒。3 然而,各平台在算法架构、训练数据集组成和特定分析能力方面存在显著差异。
目前有多种商业平台可用,提供不同的分析方法、自动化水平和验证策略,总结于表2。例如,HeartFlow Plaque Analysis®(HeartFlow, Inc.,Mountain View,California,United States)已对照IVUS进行验证,26在斑块体积和狭窄评估方面均表现出高准确性。PlaqueIQ(Elucid Bioimaging, Inc.,Boston,MA,United States)已对照组织学进行验证,提供斑块成分的详细表征。27 Cleerly Plaque Analysis®(Cleerly, Inc.,Denver,CO,United States)得到多中心队列研究的支持。28,29 图1展示了基于人工智能的定量CT(AI-QCT)分析的示例。
重要的是,不同制造商对斑块分类采用不同的Hounsfield单位阈值方案。非钙化斑块(NCP)通常定义为30-350 HU,但低衰减成分的分类范围从低于30 HU到低于60 HU不等,具体取决于特定算法,而钙化斑块阈值范围从高于130 HU到高于350 HU。16,30 2024年SCCT专家共识文件强调,这些阈值差异导致不同平台间报告的斑块体积存在20%-30%的差异,是推广性和临床采用的重要障碍。16 认识到这些局限性对于研究动脉粥样硬化疾病随时间变化的系列CCTA成像研究尤为重要。16 根据Schulze的研究,斑块定量的一致性界限在基线和随访研究之间相当宽泛(总斑块体积[TPV]为+50%,LAP为+100%)。2 这种变异不仅可归因于阈值和软件验证的差异,还可归因于扫描参数如对比剂浓度和管电压(kV),这些参数可改变斑块衰减。16 LAP的识别依赖于30 HU的固定斑块衰减截断值,对比剂浓度的任何增加或kV的降低都会增加整体斑块衰减,从而错误地降低LAP的测量值。16 这对于通过测量斑块水平来评估某些药物治疗效果的连续扫描患者尤为重要。如果随访检查所使用的扫描方案和定量软件不一致,测量的斑块衰减可能难以比较。16 2025年ACC专家共识文件建议为每次检查生成厂商报告,明确不同参数以提高系列成像的标准化。31
按斑块与按血管定量
除方法学差异外,一个重要区别是分析的详细程度,即侧重于单个斑块、整个血管还是全心分析。
最佳方法取决于所针对的临床问题。24,32,33
按斑块评估详细描述单个病变的特征——测量长度、体积、成分、重构指数和高危特征——这对于评估考虑血运重建的特定病变或将影像与有创FFR相关联具有重要价值。缺点包括仅关注离散斑块会遗漏明显病变之间的弥漫性动脉粥样硬化。32,33
单血管定量测量整个冠状动脉节段或完整血管树的总负荷,生成总斑块体积(TPV)、斑块体积(PAV)和节段受累评分等指标。24,33 这种方法更有效地捕捉整体疾病情况,并与心血管结局相关性更好。33 包括SCOT-HEART、PROMISE、CONFIRM和ISCHEMIA在内的重大试验表明,全心脏指标可独立于狭窄严重程度预测事件。8,11,34,35 其局限性在于可能难以识别埋藏于广泛斑块中的局灶性高风险特征。33
当前证据支持采用单血管指标进行风险分层和预防性治疗决策。8,11,34,35 单斑块评估对于表征考虑干预的特定病变、调查急性冠脉综合征(ACS)中的 culprit 病变或增强干预规划仍有价值(图1)。14 未来,结合两种策略的混合方法可能变得更加普及,因为本综述讨论的基于机器学习的新方法可能使这些复杂数据在短时间内得到处理。16
参考标准验证
缺乏普遍接受的参考标准使斑块验证和跨平台可比性复杂化。16,36 血管内超声(IVUS)提供深部组织穿透以评估总斑块负荷,但空间分辨率有限(100-150 μm),不足以识别薄纤维帽。36 光学相干断层扫描提供优越的分辨率(10-20 μm),但穿透深度有限(1-2 mm),无法进行全面斑块评估。36 联合IVUS-光学相干断层扫描在组织病理学验证下对薄帽纤维粥样斑块的阳性预测值仅为69%——显著优于任一单一模态(IVUS为41%,光学相干断层扫描为19%),但远非确定性。36,37 此外,血管内成像仅限于接受导管术的患者,引入选择偏倚,使验证局限于临床受限的疾病亚群。36
组织病理学提供确定的斑块成分评估,但样本量仍然有限,组织处理引入伪影,且缺乏搏动性血流可能改变斑块形态。37,38 专家共识判读表现出固有的循环性——判读者自身对斑块体积的变异系数为8%-15%,对高风险特征仅具有中等一致性(κ = 0.4-0.6),无法对照真正独立的标准进行验证。3,35 临床结局代表最终验证,但需要多年随访,且无法提供个体斑块层面的机制性信息。13,35,39
当前共识支持多模态验证:血管内成像用于高级别病变的定量准确性,组织病理学用于可获得时的确定成分评估,专家判读用于实际质量控制,长期结局用于预后价值。16,36,37 没有单一验证方法被证明具有普遍优越性。16
未解决的问题和未来研究方向
尽管证据不断积累,用于心血管风险预测的最佳斑块指标仍尚未确立。近期采用自动量化平台的研究为多种参数之间的比较性能提供了见解。Bell及其同事开展的一项系统综述和荟萃分析考察了冠脉CT血管成像(CCTA)的斑块量化,结果表明定量斑块评估在单纯狭窄严重程度之外显著改善了风险预测。39 在ISCHEMIA队列(n = 3711)中,AI引导的定量斑块分期显示,PAV超过7.5%对应的HR为4.37(95% CI,2.51-7.62,P < .001),而TPV每增加559 mm3对应的HR为1.56(95% CI,1.25-1.97,P = .001)。13 与仅使用临床变量相比,斑块体积指标在6个月(AUC 0.688 vs 0.637,P = .006)、2年(AUC 0.660 vs 0.617,P = .003)和4年(AUC 0.654 vs 0.608,P = .002)时显著改善了判别能力。13 Lin及其同事开展的深度学习赋能的多中心斑块量化(n = 1196)表明,自动评估与专家阅片者相比达到84%的诊断准确率,与IVUS的相关性r = 0.94,同时将分析时间从28分钟缩短至45秒。3 Miller及其同事报告了使用AI赋能的斑块分析得出的患者特异性MI风险阈值,HR随斑块负荷三分位数而变化。40 Dahdal及其同事表明,CCTA衍生的斑块负荷量化在疑似CAD患者中较冠状动脉钙化(CAC)评分提供了更强的预后价值。41 Bell荟萃分析汇总了多项研究的数据,证实定量斑块参数——尤其是LAP和TPV——在传统危险因素和狭窄严重程度之外提供了增量预后价值。39 然而,最佳指标的选择可能因临床背景而异。考虑到平台变异性、扫描仪技术和患者特征的标准化风险分层阈值仍是临床实施中亟待满足的关键需求。16
鉴于基于AI的斑块量化可能进入临床实践,心血管学会已开始发布关于其使用的指南。2025年ACC的一份声明文件为基于AI的斑块量化的临床适应证、报告模板和标准化提供了指导。31
此外,基于AI的斑块量化的报销途径正在出现,但仍受地域限制。目前,仅在美国,CCTA的自动斑块量化和特征描述被认定为可报销的操作。42 据我们所知,在北美以外地区,目前尚不存在专门的报销框架。
更广泛的临床采用将取决于分析标准化、结局验证,以及在大型队列中证明其超越基于狭窄的评估和传统风险评分的预后获益和成本效益。
狭窄量化
CAD-RADS(冠状动脉疾病报告与数据系统)系统已对狭窄的定性分级进行了标准化。4,43 通过CAD-RADS进行狭窄分级可提供关于MACE的可靠预后信息,较高的分级显示与MI风险增加相关。43 准确评估狭窄严重程度至关重要,因为这些结果指导临床管理决策,包括转诊进行有创冠状动脉造影(ICA)和血运重建。44,45 视觉评估仍是目前狭窄定量的临床标准。然而,CCTA上的视觉狭窄评估耗时且易受显著的观察者间变异性影响。46 在PROMISE试验中,经认证的CCTA阅读者在41%的病例中错误分类了狭窄严重程度,高估在经验较少的阅读者中更为常见。46
与斑块定量类似,基于AI的冠状动脉狭窄定量(AI-CSQ)已成为提高效率和诊断准确性的工具。如表2所示,绝大多数市售软件在其工作流程中提供自动或半自动狭窄检测和定量。这些工具可通过结合血管轮廓检测与基于几何和强度的测量,提供可重复的直径狭窄百分比、最小管腔面积和横截面管腔缩减测量。AI辅助狭窄定量可在分析工作流程的不同层面通过多种机制发挥作用:(1)自动中心线检测和血管追踪,促进手动或半自动管腔测量;(2)管腔分割和狭窄定量,提供直径和面积测量;(3)结合解剖、狭窄严重程度和血流动力学意义的完整综合评估。不同平台在这一谱系上提供不同的功能。
AI-CSQ与IVUS显示强相关性。47 近期研究表明,AI-CSQ在所有临床场景中均优于2级认证的CCTA阅读者,在斑块负荷高于中位数的患者中甚至超过3级认证的阅读者。46 这凸显了其协助处理具有挑战性病例的潜力,包括由专家阅读者审阅的病例。除提高诊断准确性外,AI-CSQ还可能通过标记具有显著梗阻的病例以供紧急审阅,帮助对CCTA检查进行分诊。
AI-CSQ可在效率和工作流程优化方面提供优势。自动检测狭窄可帮助大幅缩短判读时间,使放射科医生能够在保持一致性的同时提高病例处理量。通过减少观察者间变异性,AI-CSQ还可能有望实现跨机构报告标准化,并改善CAD-RADS分类的阅读者间一致性。48
为实现成功的临床转化,必须确保人工智能冠状动脉分割与量化(AI-CSQ)的稳健性和泛化能力。关键挑战包括理解其在不同CT采集参数、扫描仪平台和多样化患者人群中的性能表现。还需开展不同厂商之间的对比分析,以建立可重复性并在广泛采用前确保标准化。2021年心血管计算机断层扫描学会专家共识文件强调,自动化工具应补充而非替代专家的视觉评估,所有自动化测量均需由经验丰富的阅片者进行质量控制审核。49
斑块量化在风险分层和指导预防性治疗中的作用
2019年ACC/AHA(美国心脏病学会/美国心脏协会)心血管疾病一级预防指南、2019年ESC/EAS(欧洲心脏病学会/欧洲动脉粥样硬化学会)血脂异常管理指南以及2021年ESC心血管疾病预防指南均推荐使用PCE、ASCVD风险评估器、SCORE2或SCORE-OP等风险评分来识别心血管发病和死亡风险较高的患者。50–52这些风险评分基于传统危险因素,包括患者年龄、性别、血清低密度脂蛋白(LDL)或高密度脂蛋白(HDL)及总胆固醇水平,以及高血压、糖尿病和吸烟史的存在,并未纳入基于影像学的冠状动脉粥样硬化客观证据。然而,对于中等风险评分的患者,指南推荐使用冠状动脉钙化积分等风险修饰因素。50–52 CAC积分是一种稳健且经过充分验证的影像生物标志物,已被证明甚至可在无传统心血管危险因素(CVRF)的个体中预测心血管死亡。53然而,该方法未考虑NCP的存在,并可能低估钙化斑块(CP)体积较低但NCP体积较高的年轻个体的风险。2SCOT-HEART试验结果表明,在稳定性胸痛患者中,LAP负荷是未来心肌梗死的最强预测因子,与心血管风险评分、CAC积分和冠状动脉管腔狭窄程度无关。8基于TPV量化的年龄和性别校正百分位曲线可为风险分层提供更全面和个体化的方法。54定量心血管影像研究组近期发布的共识声明建议,存在任何动脉粥样硬化斑块时应进行药物治疗,若TPV处于第70百分位则应使用高强度他汀。2近期2025年美国心脏协会声明将非阻塞性VAD称为一种异质性“非良性”状况。55其进展为MACE的风险基于临床因素和CCTA识别的易损斑块特征,AHA建议预防性治疗应基于纳入CCTA的个体化风险特征。55
降脂治疗对斑块体积和成分的影响已通过侵入性成像方式如血管内超声(IVUS)或光学相干断层扫描(OCT)以及非侵入性手段如冠状动脉CT血管造影(CCTA)进行了研究。56,57 已知他汀类药物治疗对血管健康具有多效性作用,包括改善内皮功能、减少血管炎症和氧化应激,以及稳定动脉粥样硬化斑块。58 斑块体积的变化或非钙化斑块(NCP)向稳定钙化斑块(CP)的转变可代表斑块消退。Banach等人的一项荟萃分析显示,高强度他汀类药物治疗可显著减少纤维斑块体积,同时显著增加致密钙体积。56 同样,一项纳入51项研究和9113例患者的荟萃分析显示,降脂治疗与斑块体积(PAV)和总动脉粥样硬化体积的显著减少相关,这主要由高强度他汀类药物治疗所驱动。57 二十碳五烯酸乙酯改善高甘油三酯血症他汀治疗患者冠状动脉粥样硬化(EVAPORATE)试验显示,接受二十碳五烯酸乙酯治疗18个月后,低衰减非钙化斑块体积减少。59 此外,利用血管内超声测量PCSK9抗体对斑块消退的全局评估(GLAGOV)试验表明,与安慰剂相比,接受他汀类药物治疗并接受PCSK9抑制剂依洛尤单抗治疗的患者总斑块体积(TPV)显著减少。60 SCOT-HEART 2试验的一项近期亚研究揭示了CCTA引导的风险分层的一个额外潜在优势。与传统心血管危险因素(CVRF)评分相比,CCTA引导的风险分层提高了患者对推荐预防性治疗的接受度,改善了危险因素控制,并优化了初级预防的靶向性。61
鉴于他汀类药物治疗下的斑块稳定会增加钙化斑块的总量,冠状动脉钙化(CAC)评分在他汀类药物治疗患者中的意义尚不确定。2,62 接受初级预防治疗策略的患者通常通过血清低密度脂蛋白(LDL)水平和LDL降低百分比等替代指标进行监测,而非通过降脂治疗下动脉粥样硬化斑块体积和成分发生的可直接量化的变化来监测。连续成像的一个潜在挑战是不同扫描方案导致的斑块衰减变异性,使比较变得困难。16 虽然采用更全面的方法(结合斑块定量以及临床危险因素和血清生物标志物)来优化治疗策略是有利的,但在初级预防背景下应用斑块定量来优化和滴定降脂治疗的现实可行性仍需进一步研究。
使用光子计数探测器CT进行斑块定量
光子计数探测器CT是一项新技术,与传统多探测器CT相比,可提供更优越的空间分辨率和光谱后处理能力。63与传统多探测器CT扫描仪使用能量积分探测器(EID)不同,PCD-CT使用由硅、碲锌镉或碲化镉制成的无隔膜专用半导体探测器,可直接将单个X射线光子转换为电信号。63,64高分辨率成像结合组织成分表征能力,使其成为评估动脉粥样硬化斑块体积和组成的理想手段。
使用标准多探测器CT评估CAD时常见的挑战之一包括在存在致密钙化冠状动脉斑块或支架时常见的晕状伪影和线束硬化伪影。钙晕状伪影由部分容积平均效应引起,可导致管腔狭窄和斑块体积定量的高估。PCD-CT的高空间分辨率和光谱分解能力可通过提供更准确的CP体积定量手段来克服这些挑战。与EID-CT相比,使用超高空间分辨率(UHR)的PCD-CT已被证明可显著降低直径狭窄百分比并提高冠状动脉狭窄测量的诊断准确性。65这主要归因于存在CP时直径狭窄百分比的降低。65研究报道,使用UHR PCD-CT可使49%-54%的病例重新分类至较低的CAD-RADS类别。66,67PCD-CT的光谱能力允许进行钙去除图像重建,已被证明可显著减少晕状伪影并提高狭窄测量准确性。67此外,与传统多探测器CT相比,UHR PCD-CT改善了LAP定量的可重复性,并将TPV定量显著减少近三分之一。66鉴于EID-CT和PCD-CT之间成像分辨率的差异,可能需要进行验证研究,以重新定义PCD-CT特定的斑块成分检测阈值(相较于IVUS成像或组织学)。66
目前SCCT关于在有既往冠状动脉支架的症状性患者中使用CCTA的建议主要支持用于冠状动脉内支架直径≥3.0 mm的患者,在该情况下被视为适用,而在较小支架(支架直径<3.0 mm且支柱厚度<100微米)中的应用获得较低强度的推荐(可能适用)。49增强的空间分辨率以及UHR PCD-CT克服晕状伪影和线束硬化伪影的固有能力的提升,使支架内管腔可视性更好,诊断准确性提高。UHR PCD-CT在冠状动脉支架通畅性方面的诊断性能已被研究,与ICA相比显示出优异的性能(敏感性100%、特异性87%、准确性89%、阴性预测值100%)。67此外,改善的支架结构可视化允许识别支架相关并发症,如支架贴壁不良和支架断裂。67鉴于PCD-CT的突破性进展和增强的能力,CCTA在冠状动脉支架评估中的临床效用未来可能会增加。
血流储备分数-CT
CCTA上的狭窄和斑块定量分析提供了重要的解剖学和预后信息,但仅凭这些指标无法可靠判断狭窄是否与异常生理功能相关。这一区分在临床上至关重要,因为研究表明,CCTA上识别的狭窄中仅约一半在有创FFR评估时具有功能学意义。68 FFR是分离病变特异性功能学意义的参考标准,在ICA过程中测量69,定义为最大充血状态下狭窄远端平均冠状动脉压力与平均主动脉压力之比。临床上,FFR ≤ 0.80被广泛接受为提示引起缺血的病变,但重要的是,生理功能并非二分类指标,而是一个连续变量,较低的FFR值与更差的预后相关,并从血运重建中获得更大获益。通过标准化冠状动脉阻力,FFR比单纯解剖学更能准确预测血运重建的获益,指导显著狭窄患者的治疗。70,71
尽管有创FFR是功能学评估的金标准,但其广泛采用受到其有创性、压力导丝高昂费用以及需要给予腺苷的限制。72为克服这些局限性,开发了基于CCTA推导的FFR(FFR-CT),将无创解剖学与功能学评估相结合。
FFR-CT可通过2种不同的方法学途径计算,其在计算需求和工作流程方面存在重要差异。传统的基于计算流体力学(CFD)的方法(如HeartFlow,Mountainview,CA)构建患者特异性3D冠状动脉模型,为模拟血流提供框架。73应用Navier-Stokes方程并假设血液表现为不可压缩牛顿流体,该模型估算静息状态和模拟充血状态下的压力和流量,无需输注腺苷。这使临床医生能够无创评估冠状动脉病变的解剖严重程度和生理影响,从而优化导管室转诊。这些方法需要异地超级计算机分析,典型周转时间为数小时,但可提供具有公认准确性的全面血流动力学评估。
较新的基于人工智能或机器学习增强的方法利用训练好的神经网络或降阶模型,从解剖特征估算FFR,而无需完整的CFD模拟。这些方法可在标准工作站上于数分钟内完成快速现场计算,促进即时临床决策。然而,它们通常需要更大的训练数据集,且其准确性可能因不同解剖场景和狭窄程度而异。两种方法与有创FFR均显示良好相关性(相关系数0.7-0.9),但直接头对头比较有限。传统CFD方法与基于AI的方法之间的选择通常反映对准确性、速度、成本和基础设施需求的考量。
基于计算流体力学(CFD)的FFR-CT作为一种无创工具的验证已在多项试验中得到充分确立。74–77 尽管CCTA敏感性高,但特异性不足,且常将中度(40-90%)狭窄过度判读。在《CT血管造影分析冠状动脉血流:下一步(NXT)》试验中,与CCTA相比,FFR-CT显著提高了特异性(79% vs 34%)和总体诊断准确性(AUC 0.90 vs 0.81),同时保持高敏感性。76 《心脏PET/CT、SPECT/CT灌注成像与CT冠状动脉造影对比有创冠状动脉造影的前瞻性比较(PACIFIC)》试验进一步证实了这些优势,显示其诊断准确性高于CCTA以及SPECT和PET等功能成像方式。78
除诊断准确性外,包括《心脏症状与血运重建最佳评估前瞻性随机试验(PRECISE)》和《基于计算机断层扫描冠状动脉造影衍生的FFR在稳定性胸痛评估与管理中(FORECAST)》试验在内的随机试验显示,FFR-CT减少假阳性并降低不必要的侵入性血管造影率,同时在临床结局相似的情况下提高导管室效率。79,80 《无创FFRCT在冠状动脉诊疗中诊断价值评估(ADVANCE)》注册研究显示,将FFR-CT纳入常规诊疗改变了三分之二患者的治疗策略,81 且FFR-CT值正常(>0.80)者心血管死亡或MI风险显著低于异常者(5.8% vs 38.4%)。除诊断外,FFR-CT还提供增量预后信息:异常值预测更差的1年和3年结局。82,83 相反,病变特异性FFR-CT正常与极低的年事件率(<0.5%)相关,支持安全推迟干预。反映这些证据,2021年ACC/AHA胸痛指南推荐对疑似CAD的中危患者使用FFR-CT(IIa类),尤其是在40-90%狭窄中生理学评估附加价值最大。84 近期发表的数据表明,在英国多中心实施FFR-CT是安全的、对患者诊疗路径有益,并减少了不必要的下游心脏检查。85
上述所有主要验证试验均使用基于传统CFD的FFR-CT(HeartFlow),需要异地分析。基于AI的现场FFR-CT方法的数据主要来自较小的验证队列。跨5个国际中心的MACHINE联盟确立了每血管78%和每患者85%的诊断准确性(AUC 0.84)。86 在六家中国医疗中心入选的1216例患者中进行的《现场CT衍生血流储备分数对稳定性胸痛患者决策管理的影响(TARGET试验)》证实了安全的临床实施,真实世界研究显示其有潜力将不必要的侵入性血管造影减少50%以上。尽管总体血运重建增加,但未观察到症状或生活质量改善,也未观察到MACE减少。87 在解读FFR-CT文献时,读者应注意所采用的计算方法,因为不同方法在准确性、速度和工作流程影响方面存在差异。
与有创测量相当,FFR-CT的截断值为≤0.80,用于表示血流动力学显著的病变。一些作者认为在约0.76至0.80之间存在一个“灰区”,在此区域内ΔFFR-CT(跨狭窄的压力下降)的解读变得重要。88不应将FFR-CT视为具有固定截断点的二分类工具,而应将其作为连续变量进行解读。ΔFFR-CT反映的是病变特异的血流动力学影响,而非通过远端FFR-CT测量评估的累积下游压力损失。远端FFR-CT值可能受到弥漫性病变、下游微血管阻力和/或串联病变的影响。越来越多的证据支持ΔFFR-CT在评估病变特异性缺血方面的附加价值,可提高特异性并指导血运重建。89文献中发表的优化ΔFFR-CT截断值范围在0.06至0.13之间。89–92这些差异可能反映了病变形态、血管大小和形状、成像质量、计算建模假设以及测量位置的变化。图2展示了一个示例病例,突出了ΔFFR-CT评估的附加价值。
越来越多的证据表明,斑块特征与缺血密切相关。这支持将病变特异性FFR-CT与定量斑块分析相结合的理念。这种综合方法将病变的功能意义与其解剖和组成特征联系起来。93,94Gaur等人证明,将FFR-CT与斑块特征相结合可提高识别易缺血病变的敏感性和特异性。95此外,与单独使用任一指标相比,CCTA衍生的斑块特征与FFR-CT的结合增强了MACE预测能力(图3)。96最近对ADVANCE注册研究的一项二次分析表明,AI支持的定量斑块体积可独立预测MACE,即使在调整远端FFR-CT和ΔFFR-CT后仍然如此,突显了将功能评估与AI支持的斑块定量相结合的增量价值。97
另一种生物影像标志物——内皮剪切应力(ESS),测量的是血液对 endothelial cells(内皮细胞)施加的摩擦力。98内皮剪切应力通过冠状动脉几何形状的CFD分析得出,计算血流对血管壁施加的单位面积切向力。98
高水平和低水平ESS均已被证明对ACS具有强有力的预后价值,因为它们促进斑块发展和不稳定化。98通过CCTA测量ESS已被证明与IVUS相似。98,99虽然ESS是动脉粥样硬化形成和斑块不稳定的重要驱动因素,但与轴向斑块力相关的力量大小显著更大。虽然轴向斑块力未被常规测量或计算,但已有研究表明,由delta FFR-CT定义的跨病变压力损失是轴向斑块力的替代测量指标。这些计算出的力已被证明是不良斑块特征以及未来斑块破裂和发生MI的标志物。25,100
狭窄定量可识别阻塞性病变,而斑块定量分析可提供高度相关的预后数据;然而,单独任何一种方法都无法可靠预测缺血。FFR-CT通过确定病变特异的生理学意义对两者形成补充,使识别最可能从血运重建中获益的患者和病变成为了可能。因此,将FFR-CT与斑块定量相结合,可对CAD提供更全面的理解,改善风险分层并支持个体化管理策略。
尽管有这些优势,若干技术和临床因素会影响FFR-CT的准确性。高质量的CCTA采集至关重要,因为对比剂不佳、运动或钙化晕染可损害管腔建模和血流模拟。其他障碍包括可及性有限、需要复杂的异地计算分析以及高昂成本,尤其是在美国和英国以外的地区。101
未来方向
尽管AI-QCT的准确性已被验证,但其稳健性和可重复性必须在大型多中心试验中进一步证实,以确保AI算法产生一致的测量结果并在不同人群中有效运作。16如前所述,众多厂商提供用于斑块和狭窄定量的软件。26–29,35有必要对这些工具进行比较性综述,以确保不同平台之间斑块定量的一致性。光子计数CT和先进重建方法有望在空间和光谱分辨率方面带来重大改善,从而增强斑块可视化和表征。63,67然而,它们将需要对现有AI算法进行重新训练和重新校准,而迄今为止这些算法大多是在EID CCTA数据上训练的。
最终,冠状动脉CT血管成像(CCTA)影像学的未来将取决于其整合上述所有信息层的能力——斑块负荷、成分、管腔狭窄、病变特异性血流储备分数(FFR)以及斑块进展——同时结合患者特异性因素,如合并症、危险因素和治疗反应。未来,光子计数探测器、人工智能定量CT(AI-QCT)、人工智能冠状动脉狭窄定量(AI-CSQ)和CT血流储备分数(FFR-CT)的联合使用将最大化从CCTA中提取的数据,每次扫描产生海量数据集。新兴的分析能力有潜力推进我们对冠状动脉解剖与生理之间复杂相互作用的理解,从而实现更精确的风险分层和冠心病(CAD)患者的个体化管理。93 未来研究应优先将这些多维数据转化为临床可操作且具有病理生理学依据的见解,以提高诊断准确性、治疗决策和整体患者预后。
结论
无创狭窄和斑块定量分析以及FFR-CT和光子计数探测器CT(PCD-CT)的最新进展改善了CAD的影像学分析,具有重要的临床意义。其益处包括改进的影像生物标志物、患者风险预测、随访治疗评估以及识别需要立即血运重建的患者。未来研究应聚焦于这些人工智能平台广泛临床实施的主要障碍,包括缺乏关于人工智能评估稳健性的数据、所报告指标的可重复性,以及需要标准化的定量斑块指标参考范围以指导患者管理。
引用
- Mihalcioiu S, Mengesha B, Abitbol C, et al. Advanced quantitative CT for coronary artery disease: integrating stenosis quantification, plaque quantification, and fractional flow reserve-CT. Br J Radiol. 2026. PMID: 42191648. doi:10.1093/bjr/tqag124
- 全文:PMC13623225(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC13623225/
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。