文献速递心血管MR

利用自动左心室形状分析理解并改善心肌梗死后风险评估

Understanding and Improving Risk Assessment After Myocardial Infarction Using Automated Left Ventricular Shape Analysis.
PubMed 文献 · JACC Cardiovasc Imaging · 2022-01-12

本研究为多中心回顾性队列,纳入1021例急性心肌梗死存活者,基于心脏磁共振短轴电影序列构建全自动三维形状与收缩分析流程,预测12个月主要不良心血管事件。收缩末期形状标志物优于收缩末期容积,三维收缩优于左心室射血分数,并在多变量模型中显著改善风险预测。

要点

  • 全自动三维形状与收缩分析可在数秒内完成左心室分割与网格构建,消除观察者间变异。
  • 收缩末期形状标志物预测MACE的交叉验证AUC为0.681,优于收缩末期容积的0.600。
  • 三维收缩标志物预测MACE的交叉验证AUC为0.716,优于左心室射血分数的0.681。

核心结论

  • 基于全自动流程量化的收缩末期三维形状与收缩差异可改善急性心肌梗死后风险预测,并识别与MACE相关的形状和收缩模式。
  • 三维形状与收缩标志物在包含CMR标志物、心血管危险因素和基本患者特征的多变量模型中显著改善风险预测,交叉验证AUC达0.747。

研究设计与样本

  • 回顾性多中心队列,纳入1021例急性心肌梗死存活者,来自AIDA-STEMI和TATORT-NSTEMI两项多中心随机试验。
  • 患者在中位3天(IQR 2-4天)后接受心脏磁共振检查,使用1.5-T或3.0-T临床扫描仪,序列包括心电门控平衡稳态自由进动序列和T1加权晚期钆增强图像。
  • 参考标准为盲法临床委员会裁定的12个月MACE,包括全因死亡、再梗死和新发充血性心力衰竭,共73例事件。
  • 开发全自动流程分割CMR图像、构建三维形状与收缩统计模型,并采用线性判别分析和Cox分析评估预测性能。

关键影像表现/征象

  • 收缩末期形状模式ES1与收缩末期容积强相关(rs=0.868),收缩模式C3与左心室射血分数相关(rs=−0.563),ES6与收缩末期心肌厚度相关。
  • ES5和C5为前壁受损的替代表现,后壁牵拉薄弱前壁导致左心室垂直轴偏移,提示左前降支灌注受损。
  • C16指向基底段受损,为对已知预测因子最具补充价值的特征。
  • 基底段(C16)、前壁(ES5、C5)和整体受损(ES1、C3、ES6)三种模式与MACE发生相关。

诊断标准与关键数值

  • 收缩末期形状标志物预测MACE的交叉验证AUC为0.681(IQR 0.679-0.684),优于收缩末期容积的0.600(IQR 0.598-0.602),P<0.001。
  • 三维收缩标志物预测MACE的交叉验证AUC为0.716(IQR 0.714-0.718),优于左心室射血分数的0.681(IQR 0.679-0.684),P<0.001。
  • 三维描述符联合CMR标志物的交叉验证AUC为0.738,进一步纳入心血管危险因素和基本患者特征后为0.747(IQR 0.745-0.749),P<0.001。
  • 自动分割的左心室心外膜和心内膜中位Dice评分分别为0.971(IQR 0.945-0.981)和0.975(IQR 0.959-0.982)。

临床应用与阅片要点

  • 该全自动流程仅需标准心脏磁共振短轴堆栈即可在数秒内输出三维形状与收缩标志物,运行于标准笔记本电脑且结果完全确定。
  • 三维形状与收缩标志物对MACE的预测价值优于研究中任何单一变量,甚至优于所有组织CMR标志物的联合。
  • 梗死面积在单变量分析中有预测价值,但在多变量模型中未显著增加价值,因此未纳入最终变量选择。

局限性

  • 原文为回顾性研究。
  • 4例患者因中段心室分割噪声导致相位选择错误、网格计算左心室射血分数为负,被排除出统计分析。
全文中译21 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:JACC Cardiovasc Imaging. 2022 Sep;15(9):1563–74. doi: 10.1016/j.jcmg.2021.11.027

预防性和个性化医疗对于提高医疗系统的效率和疗效至关重要。1 全球范围内,相关进展已显著改善急性心肌梗死(AMI)患者的预后。2 然而,AMI幸存者面临复发性心血管事件的风险,6个月内死亡率达12%。3

心脏磁共振(CMR)成像已被证明特别适用于评估心肌形态学和功能改变,包括左心室(LV)重构,后者对于AMI早期预后预测至关重要。4 通过晚期钆增强CMR评估并以梗死面积(IS)和微血管阻塞(MVO)量化的LV微心肌损伤,已成为AMI风险评估中的一项稳健指标。4,5 尽管如此,通常以LV射血分数(LVEF)量化的LV宏观功能仍是AMI指南中首选的影像生物标志物。3,4 泵功能恶化、严重心脏事件风险较高的患者还表现出收缩末期容积(ESV)增加,多项研究报道其在预测能力方面优于LVEF;6 而早期血运重建且泵功能保留的患者,其特征为梗死区和远隔区LV室壁增厚增加。7

LVEF和ESV仅限于整体收缩功能,无法捕捉功能和解剖上的区域异常。4,6,7 此外,大多数AMI幸存者的LVEF主要保持正常或仅中度降低,因此复发性不良事件常发生于理论低风险患者中,这进一步证明了改进风险分层的必要性。8 为克服这些局限性,有人提出在心室不同区域(即美国心脏协会17节段模型)揭示整体LV重构变化。9 高维3维(3D)形状分析也被用于心脏研究以描述细微的局灶性变化。10

本研究旨在利用仅标准CMR短轴堆栈(SAx)将ESV和LVEF分解为3D形状和收缩,以:1)更好地理解3D重构模式如何调节风险以及宏观重构与微损伤之间的相互作用;2)改进AMI风险分层。我们提出了一套全自动形状分析流程,包括最先进的人工智能和3D网格化技术,并将其应用于包含ST段抬高型心肌梗死(STEMI)和非STEMI(NSTEMI)患者的大型多中心人群。

方法

研究人群

我们的回顾性人群由来自2项多中心随机试验的1,235例AMI幸存者8组成,即AIDA-STEMI(阿昔单抗冠状动脉内与静脉内给药在ST段抬高型心肌梗死中的应用;NCT00712101)和TATORT-NSTEMI(非ST段抬高型心肌梗死中含血栓罪犯病变的血栓抽吸;NCT01612312)。11,12 在这两项研究中,直接经皮冠状动脉介入治疗的再灌注治疗和梗死后药物治疗均按照最先进的指南推荐提供。3 研究规模在补充方法:TRIPOD报告(补充表1)中进行论证,基于Riley等13的研究。

AIDA-STEMI和TATORT-NSTEMI已在ClinicalTrials.gov注册,获得机构伦理委员会批准,并符合《赫尔辛基宣言》,包括书面知情同意。支持本研究结果的数据可依据合理请求获取。

心脏磁共振(CMR)成像方案与手动分析

所有急性心肌梗死(AMI)患者均遵循同一标准化方案,包括心电门控平衡稳态自由进动序列和T1加权晚期钆增强图像,在1.5-T或3.0-T临床扫描仪上完成。11,12 所有序列均采集水平及垂直长轴视图以及覆盖整个左心室(LV)的连续短轴(SAx)切片堆栈。梗死特征、心室容积和左心室射血分数(LVEF)由设盲临床医生使用认证评估软件(cmr42,Circle Cardiovascular Imaging)在连续SAx上测定。12 梗死面积(IS)和微血管阻塞(MVO)按照Eitel等12的方法,应用标准阈值技术进行评估。

研究终点

12个月主要不良心脏事件(MACE)发生率——由再梗死、新发充血性心力衰竭和全因死亡组成——是本研究预先设定的临床终点,此前已详细描述。8,11,12 事件由设盲临床委员会根据研究站点收集的数据进行裁定。若每例患者发生多次MACE事件,则仅将1次贡献纳入终点复合指标(死亡 > 再梗死 > 充血性心力衰竭)。

左心室全自动形态分析

在SAx图像上对左心室心肌进行分割,并为每例患者构建2个个性化三维左心室网格:舒张末期(ED)和收缩末期(ES)。两者对应点之间的位移构成三维收缩。通过无监督构建统计形状模型获得三维形态和收缩描述符,并将其用作潜在预测生物标志物。该过程(图1)完全自动化。

图1 形态分析流程 形态分析流程(左)及示例病例(右),包括以下步骤:1)短轴堆栈(SAx)预处理(强度归一化、心脏检测、感兴趣区[ROI]裁剪);2)左心室心肌精细分割;3)收缩末期(ES)和舒张末期(ED)时相容积分割;4)个性化网格生成。随后由ES和ED网格计算三维(3D)收缩,并对网格应用主成分分析(PCA)降维,以促进主要不良心脏事件(MACE)发生的监督学习。 查看原图 ↗

左心室分割

采用基于UNet架构并增强预处理的2步深度学习方法对左心室心肌进行分割,14,15 该方法在2019年左心室全定量挑战赛中取得最佳性能。15 ES和ED时相分别检测为心室中间层切片左心室血池面积最小和最大者。实现细节见补充方法:左心室分割(补充图1)。

网格生成

从分割轮廓构建三维网格采用了一种基于平滑三次Hermite插值的解决方案,该方法在短轴切片错位和分割误差方面被证明是准确且稳健的,并在Lamata等人的文献16中有完整描述。简言之,通过结合图像配准和网格投影技术,将理想化的左心室模板网格拟合到三维心肌掩膜上。使用分割轮廓与网格表面之间的三维距离评估网格划分结果的准确性。通过根据短轴标准位置定向左心室网格,实现网格之间的解剖对应关系。

降维

直接分析离散为2,450个节点及其对应三维空间坐标的三维网格是不切实际的且不适定的。这促使使用主成分分析(PCA)进行降维。10简言之,PCA检查数据以找到使群体中观察到的方差最大化的变化方向。所得的主方向代表相对于平均形状的三维形状变化模式,称为解剖学“PCA模式”。在概念上,每个受试者的左心室被分解为平均形状(平均心室)加上解剖模式(形状变化,即增厚、缩放、延长等)乘以系数。因此,每个模式都是一个连续变量,代表特定的三维形状变化模式,对每位患者具有特定值,并成为预测MACE的潜在生物标志物(图2)。公式细节在补充方法:降维(补充图2至5)中解释。

使用该PCA技术构建了三个统计形状模型,分别研究舒张末期和收缩末期的三维形状,以及两者之间的位移(收缩)。发现舒张末期的PCA系数不包含预测价值,因此未报告。

图2 三维左心室形状与收缩风险相关模式图中展示了与MACE发生相关的3个主要收缩末期形状特征(ES1、ES5、ES6)和收缩模式(C3、C5、C16)。网格以正前位和间隔位视图显示,并在美国心脏协会模型的极坐标图上以差异厚度图(舒张末期-收缩末期厚度)显示。为便于比较,收缩应用于平均舒张末期形状(参考透明表面),并可视化为所得的收缩末期形状。无MACE(蓝色,类别0)和MACE(红色,类别1)表示对应于LDA方向上的第5和第95百分位数。P值和AUC显示在MACE和无MACE分布旁,进一步按梗死病因分层(ST段抬高型心肌梗死(STEMI)和非ST段抬高型心肌梗死(NSTEMI))。AUC = 受试者操作特征曲线下面积;LDA = 线性判别分析;其他缩写如图1。 查看原图 ↗

监督学习

通过逐步多变量Fisher线性判别分析(LDA)找到预测MACE的相关PCA模式,详情如下。搜索在收缩末期形状和重建群体总方差95%所需的收缩模式上进行。该选择通过另一次LDA进一步精炼,该LDA应用于前一步骤中发现的收缩末期和收缩显著模式的组合。

评估实验

新型ES形状和收缩PCA模式的预测价值在标准临床生物标志物以及与其联合的基础上进行了评估。从概念上讲,ES和收缩PCA模式是ESV和LVEF生物标志物的三维延伸,首先进行了一项测试对它们进行比较。随后研究了多变量组合,仅考虑CMR生物标志物以及研究中所有临床变量一起考虑的情况。

比较基于多变量LDA(12个月MACE发生的二分类)和多变量Cox分析(至MACE的时间)所得的预测性能。两项分析均采用后向逐步策略(对单变量关联不偏倚17)以发现变量间的协同作用并处理共线性:所有感兴趣的变量最初均纳入,模型中显著性较低者被迭代剔除,直至所有变量均满足0.05的P值阈值。LDA中的显著性近似为广义线性二项S形回归模型中的显著性。为兼顾特异性和敏感性及类别不平衡,通过二分类的受试者工作特征曲线下面积(AUC)和时间依赖曲线的一致性指数(C-index)评估所得配置的性能。

通过比较再代入(表观性能:使用整个队列进行学习和测试)和交叉验证(乐观校正性能:10折交叉验证对100次随机数据划分重复进行)中的性能来评估发现的普适性。为进一步加强这一普适性,另一项实验仅在AIDA-STEMI患者上训练模型,并在TATORT-NSTEMI独立队列上进行测试(补充结果:独立测试,补充图6)。一项可重复性分析——移除ED和ES帧以测试新方法的稳健性——见补充结果:可重复性分析(补充表2,补充图7和8)。

统计分析

研究变量(基线特征、心血管危险因素、CMR生物标志物以及显著的ES和收缩PCA系数)按MACE发生情况进行描述。连续变量以中位数(IQR)表示,因为除变异模式外(按定义呈高斯分布),它们在Shapiro-Wilk检验中不呈正态分布。分类变量以频率和百分比表示。MACE和无MACE分布以及交叉验证AUC分布通过非参数Wilcoxon秩和检验进行比较。还进行了单变量Cox回归分析。结果中呈现HR、95%CI和预测因子显著性。所有分析均在Matlab R2019b中实现。本研究遵循个体预后或诊断多变量预测模型的透明报告指南(补充表1)以及预测模型偏倚风险评估工具用于模型开发。17,18

结果

患者

初始1,235例队列中有1,021例AMI患者(STEMI:n = 723;NSTEMI:n = 298)具备原始CMR扫描和12个月随访数据,被纳入本研究(无CMR:n = 126;方案不完整:n = 86;无随访:n = 2)。8,11,12 他们在梗死后的中位3天(IQR 2-4天)接受了CMR检查,共发生73例MACE(充血性心力衰竭:n = 20;再梗死:n = 21;死亡:n = 32)。11,12

CMR和基线临床特征见表1。如前所述,8,11,12 该人群以男性为主,总体中位年龄为63岁,LVEF为50.5%,IS占LV质量的13.4%,伴有轻度MVO。MACE亚组年龄显著更大,体表面积更高,吸烟者比例更低,高血压和糖尿病患病率更高。他们还表现出更大的ESV、IS、MVO、入院时Killip分级和病变血管数量更多,以及更低的LVEF。

表1 基线特征、心血管危险因素和CMR生物标志物 查看原表 ↗

形状分析

对SAx(包括所有平面和时相)的自动分割结果显示,LV心外膜和心内膜的中位Dice评分分别为0.971(IQR:0.945-0.981)和0.975(IQR:0.959-0.982)。自动分割与手动分割计算的体积之间的Spearman相关系数(rs)分别为:ESV 0.916、EDV 0.919、LVEF 0.842。网格表面与轮廓之间的中位距离为:ES 0.981 mm(IQR:0.806-1.22 mm),ED 1.02 mm(IQR:0.828-1.31 mm)。手动体积与网格积分体积之间的rs系数分别为:ESV 0.905、EDV 0.914、LVEF 0.792。由于心室中部节段分割中的噪声导致时相选择错误,4例患者由网格计算得出的LVEF为负值。他们被排除在统计分析之外(图1)。

在PCA分析中,95%的方差由前13个ES形状模式和前21个收缩变异模式所捕获。对ES和收缩显著模式组合进行的LDA逐步分析收敛于ES模式1、5和6以及收缩模式3、5和16(图2,视频1和2)。这些模式被解释为基底段(C16)、前壁(ES5、C5)和整体功能受损,表现为ESV增加(ES1)、LVEF降低(C3)和增厚受损(ES6)(见讨论)。

终点预测

与手动轮廓相比,由网格计算的自动体积在性能上带来了中等但显著的改善(P < 0.001)(中心插图)。

本研究最具预测价值的变量是ES形状和收缩,其次是LVEF、年龄、IS和ESV(表1)。对ES形状(描述为ES模式1、5和6的组合)进行LDA,使终点预测的交叉验证AUC(AUCk)相对于ESV从0.60提高到0.68(P < 0.001);对3D收缩(由收缩模式3、5和16描述)进行LDA,与LVEF相比从0.68提高到0.72(P < 0.001)(中心插图)。

将3D描述符仅与CMR生物标志物联合(AUCk = 0.738),以及纳入心血管因素和基本患者特征后(AUCk = 0.747),与临床基线相比均带来了进一步改善(P < 0.001)。C指数也获得了类似结果(表2)。除1个变量存在偏差外,LDA和Cox分析收敛于相同的变量选择。这些性能差异在独立测试实验中同样成立(补充图6)。所得的受试者工作特征曲线、Kaplan-Meier估计以及额外的多变量模型实验见补充图9至13和补充表3至6。

中心插图 预后贡献及具有代表性的风险相关形态与收缩模式(左)ESV与LVEF之间及所提出的将ES形态和收缩进行3D解缠的MACE预测比较。评估基于AUC重代入(AUCrs,蓝色)和10折交叉验证(AUCk,橙色),对100次随机数据划分重复进行(黑色分布)。所有预测差异均显著(P < 0.001);y轴原点设为0.5(随机分类器)。(右)代表性无MACE(蓝色)与MACE(红色)ES形态和3D收缩的前视图,以及美国心脏协会模型表示下的差异厚度图(ED-ES厚度)。收缩施加于平均ED形态(透明表面),并以所得ES形态可视化以便于比较。3D = 三维;AUC = 受试者工作特征曲线下面积;ED = 舒张末期;ES = 收缩末期;ESV = 收缩末期容积;LVEF = 左心室射血分数;MACE = 主要不良心脏事件。 查看原图 ↗
表2 风险预测结果 查看原表 ↗

讨论

在本研究中,我们呈现了首个大型多中心CMR研究,全面分析AMI后LV 3D形态和收缩以进行风险评估。我们成功实现了:1)结合人工智能和计算解剖学技术,开发了全自动流程,对 cine CMR SAx 层叠图像进行分割,并识别可预测随访第一年风险的AMI 3D特征;2)识别了这些与AMI预后相关的LV形态和收缩宏观特征,并从超过1,000例AMI患者中构建了3D参考图谱;3)证明了ESV和LVEF的3D增强不仅优于单独版本,而且在包含CMR标志物、心血管危险因素和基本患者特征的多变量环境中,对总体风险预测的显著改善有所贡献。

自动形态分析视角下的AMI

我们的自动方法获取CMR层叠图像,分割LV,并将其与AMI相关的形态和收缩归纳为6个生物标志物。它将分析时间缩短至数秒,消除了手动分割的负担。网格拟合步骤16确保了3D空间一致性,平滑了2D分割(即错位、分割误差),并带来更准确的容积。这解释了与手动容积相比,自动容积驱动的MACE预测改善(中心插图)。

该方法在标准笔记本电脑上运行,完全确定性:给定一次扫描,它总是返回相同的容积和评分。这消除了观察者内和观察者间的变异性,产生稳健的诊断。大队列规模、重代入与交叉验证指标之间的微小差距,以及100次随机数据划分的窄方差,表明该方法对MACE预测的稳健性。独立测试实验证实了研究结果的普遍性(补充图6)。研究删除ED和ES帧效果的可重复性分析进一步支持了这一点,该分析突出了自动容积的稳健性(EDV:R2 = 0.987;ESV:R2 = 0.990),并证实了该方法良好的可重复性(多变量:R2 = 0.901)(补充表2、补充图7和8),这与CMR最先进的interstudy可重复性研究相似。19

作为自动形状分析的结果,我们从1000多例AMI患者中构建了3D LV参考图谱,捕捉梗死后平均形状和收缩以及主要变异(PCA模式)。这些数据和由此产生的风险模型已公开可用,20将允许进一步的AMI形状研究、计算机机制模拟或合成患者数据生成,用于训练算法或教育用途。分割器经过专门修改以应对不同协议和扫描仪(如Corral Acero等21所述),网格化流程也将同样可用,为其他心脏疾病和应用开辟了范围。

新方法的影响和可解释性

LVEF和ESV是梗死后风险评估最成熟的标志物。尽管有数据表明这些参数可以使用市售软件全自动确定,22但我们提出的方法进一步能够将它们分解为增强的3D版本。预计所提出的3D生物标志物与其一维版本相比将捕获更多信息并实现额外的预后价值,如中心插图所示(这些AUC改善的意义在补充图12中说明)。事实上,尽管研究的主要动机不是预测性能,而是理解3D特征如何调节风险,但这些3D生物标志物的预后价值优于研究中的任何变量(表1),甚至优于所有组织CMR生物标志物的组合(补充图11)。

此外,这些3D模式与研究纳入的其他变量互补(表1),这由它们在所考虑的任何多变量方法中的显著贡献所证明(表2),不同于例如IS,后者根据单变量分析具有预测性,但对多变量模型没有显著增加价值8,因此未纳入最终变量选择。这些结果证明了新型3D指标在AMI梗死后风险评估中的预后价值,显著贡献于多变量模型,与LVEF(临床基线)相比,将MACE预测从0.68提高到0.75(交叉验证AUC)(表2)。

梗死严重程度与形态和功能改变相关,某些急性变化已被证明对AMI预后重要,但它们在调节MACE发生中的相互作用仍未解决。4,6,7 在本研究中,我们识别出3种与MACE相关的ES形状变异和3种收缩模式(图2,视频1和2),提示AMI可能引起的3种损伤:整体性(C3、ES1、ES6)、前壁性(C5、ES5)和基底部(C16)。由于ED形状不具有预测性,ES模式中所见的形态变化应解释为功能性变化而非重构。这些新型生物标志物与文献中主要的LV重构描述指标一致:ES1与ESV强相关(rs = 0.868),C3与LVEF相关(rs = −0.563),ES6与ES心肌厚度相关。3,6,7 事实上,任何一种预后性收缩模式(C3、C5、C16)都捕捉到一定程度的后述增厚损伤。ES5和C5是前壁损伤的替代性(即不相关)表现,其中后壁牵拉薄弱的前壁并导致LV纵轴偏移。这提示左前降支(LAD)动脉灌注损伤,与Ortiz-Pérez等的观点一致。9 此外,C16提示基底部损伤作为额外危险因素(补充图14至17,其中差异被突出显示),这可能是由环向纤维损伤引起的扭转差异所致(导致基底部直径增大), contrasted with the endocardial vertical and fiber injuries that lead to decreased LVEF(分别为伸长和壁增厚)。C16作为一种基底部收缩损伤,是与已知预测因素最互补的特征。

然而,所推导的风险评分模型未包括收缩模式C2和C14,这可解释为与左回旋支和右冠状动脉损伤相关9(补充图14至16)。这些模式在逐步分析中不显著,提示它们可能已由所选MACE特征的线性组合隐式描述。

心肌组织死亡是泵功能和预后的核心,但由于血流动力学反射,量化其对急性重构和功能障碍的贡献并不简单。23 我们的数据中检测到心肌3D形状变化与微损伤(IS、MVO)之间存在相互作用,表现为ES1与IS(rs = 0.461)和MVO(rs = 0.345)的相关性。风险相关形状和收缩变异(除C16外)在以AMI人群中位数作为阈值将IS和MVO分层为低 vs 高心肌损伤方面也显著(表1,补充结果:模式相关性分析,补充图18至21)。这解释了为何IS和MVO未纳入多变量风险评估模型:心肌损伤信息已隐含于所识别的形状和收缩模式中。

按性别、梗死病因和LVEF分层进行终点预测的分析在补充结果:亚组分析(补充图17)中讨论。

迈向临床转化

尽管多项试验显示基于心血管磁共振(CMR)的风险模型在急性心肌梗死(AMI)管理中能提供增量预后信息,但CMR风险模型尚未在临床实践中找到其定位。8 部分原因是超声心动图更为普及、CMR多参数模型复杂,以及需要大量手动交互操作。3,8 尽管如此,近年来CMR的可及性显著提高,CMR梗死后扫描方案已缩短,复杂的CMR预后标志物现在可以组合成简单的风险评分模型,8正如我们所展示的。我们的工作通过消除手动分割的负担及其观察者内和观察者间变异性,并利用增强的3D CMR指标提升主要不良心血管事件(MACE)预测,进一步促进了CMR梗死后风险管理在临床常规中的采用。尽管应考虑进一步试验来验证本研究的发现,但假设预后改善的科学基础是坚实的。

研究局限性

患者在梗死后10天内接受影像检查,当时缺乏最佳的梗死后CMR成像时间建议。8 该梗死后成像时间对所提出的3D形态变异模式的影响尚未评估。然而,据推测我们捕捉的是急性损伤,其范围和表型可以预测结局,从而预测长期心肌适应。本工作的主要目标是在临床队列中评估这一假设,而非优化MACE预测。对于后者,可以探索先进的非线性分类器。后期慢性重构24的额外预后信息可以直接纳入我们的流程(例如,3个月时扫描)。

本研究仅关注心动周期的2个时刻(舒张末期和收缩末期)。这使得传统指标(收缩末期容积、左心室射血分数)与其3D版本之间能够进行公平和直接的比较。未来工作将探索时间维度,并受益于整个心动周期的自动分割和3D重建,推测将发现更优的标志物。届时应考虑时间性CMR应变,据报道其在梗死后管理中具有预后价值。8

主成分分析(PCA)几何特征受限于高斯假设,但它们令人满意地涵盖了队列中观察到的变异性。尽管可以考虑其他降维方法,25但它们通常以可解释性为代价。PCA特征选择是无监督的,不偏向结局预测,而是完全基于方差,这从本质上避免了噪声并易于解释。

为简便起见,CMR长轴视图被排除在3D形状回归之外,尽管在我们的结果中未得到证实,但这可能导致形状延长的噪声。最后,结果仅限于能够接受CMR扫描的AMI患者。

结论

这项多中心心血管磁共振(CMR)研究证实了新型左心室(LV)三维形状和收缩指标在急性心肌梗死(AMI)风险评估中的预后价值。此外,它进一步证明了全自动CMR分析的可行性以及多变量CMR模型在AMI分层中的重要性。展望 医学知识能力:这项大规模多中心CMR研究识别了与梗死后风险相关的左心室三维模式,并证明其预后信息优于最成熟的预测指标——射血分数(EF)和收缩末期容积(ESV)。此外,它强调了多变量CMR模型在AMI分层中的价值,并进一步支持了全自动CMR分析的可行性。

转化前景:该研究展示了三维计算模型改善心肌梗死管理的潜力。这是通过建立对调节风险的功能与结构相互作用的精细理解,以及引入最先进工具的稳健性来实现的,这些工具简化了临床工作流程,并为多变量模型和CMR成像的应用铺平了道路。为进一步加速这一愿景并促进未来贡献,该研究产生的三维形状和收缩图谱及形状模型已公开提供。

资助支持与作者声明

本研究由欧盟“地平线2020”研究与创新计划下的玛丽·斯克沃多夫斯卡-居里项目(资助协议号764738)、德国心血管研究中心、英国心脏基金会(PG/16/75/32383、FS/17/22/32644)以及惠康基金会(209450/Z/17)资助。作者声明其与本文内容无相关利益关系需要披露。

引用

  1. Corral Acero J, Schuster A, Zacur E, et al. Understanding and Improving Risk Assessment After Myocardial Infarction Using Automated Left Ventricular Shape Analysis. JACC Cardiovasc Imaging. 2022. PMID: 35033494. doi:10.1016/j.jcmg.2021.11.027
  2. 全文:PMC9444994(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC9444994/

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。