心臟磁共振成像在心肌肥厚病變組織和功能定量評價中的研究進展

郭煒，王曉華

作者單位：北京大學第三醫(yī)院放射科，北京，100191

心臟磁共振成像(cardiovascular magnetic resonance，CMR)發(fā)展迅速，已經成為心臟病學研究中的一種重要的診斷方法。CMR是無創(chuàng)評估左、右心室容積和射血分數的“金標準”[1]。CMR以其高時間和空間分辨率的增強掃描以及血液-心肌組織的高分辨率對比[2]，可以無創(chuàng)提供心肌組織的可視化顯示。而且，CMR能定量顯示心肌組織特征，準確判斷心肌和血管損傷[2]，既能診斷心血管疾病，同時也便于疾病的管理和治療。近年來伴隨著心功能軟件和磁共振設備等硬件的進步，推動了新技術的發(fā)展，進而提高CMR在心血管疾病診斷、預后和風險分層方面的價值[3]。CMR可以提供多種技術進行可視化評估，包括延遲釓增強(late gadolinium enhancement，LGE)、T1 mapping和T2 mapping[1]。擴散張量成像(diffusion tensor imaging，DTI)技術近年來開始用于肥厚型心肌病(hypertrophic cardiomyopathy，HCM)的診斷和風險度分級管理[4]。應變成像是除射血分數之外一種新興的評估心肌功能的CMR技術[5]。人工智能(artificial intelligence，AI)在心臟病學中開辟了新的領域，使得CMR圖像數據得到更深入的挖掘[6]。本綜述旨在匯總近年來CMR在心肌肥厚病變定量評估中的新進展，包括T1 mapping、T2 mapping技術、DTI、心肌應變以及AI技術。

1 T1 mapping

磁共振對比劑延遲強化技術已經成熟地用來在體檢測局灶的心肌纖維化區(qū)域。但是，LGE僅僅能夠識別心肌組織損傷的局部區(qū)域，需要正常心肌組織做參照，對彌散病變不敏感，不能對纖維化程度進行定量研究[7]。高分辨率縱向弛豫時間定量成像(T1 mapping)技術可以在像素到像素的基礎上生成T1值進而定量心肌組織。T1 mapping技術能夠識別早期彌漫性纖維化，可以無創(chuàng)地檢測心肌病理學的早期細微變化[7]。此外，T1 mapping技術可能更精確地量化心肌梗死區(qū)[1]。T1 mapping技術還支持細胞外容積測量(extracellular volume measurement，ECV)，也可以測量心肌與左心室容積相關的纖維化[7]。

目前T1 mapping技術在心血管疾病中的應用范圍涵蓋了諸多的結構性心臟病和代謝性疾病。系統(tǒng)性輕鏈沉積的淀粉樣變可以累及心肌，而LGE只能在淀粉樣變后期才能明顯識別其特征[8]。Karamitsos等[8]運用非增強的心肌T1 mapping技術，在對一組53例心臟受累的淀粉樣變和53名對照受試者的對比研究中發(fā)現，正常心肌T1值明顯高于淀粉樣變[(1140±61)ms，P＜0.0001]。T1閾值為1020 ms時，顯示患者心臟受累的準確率為92%。Sado等[9]和Karur等[10]在法布雷癥(Anderson-Fabry disease，AFD)和HCM患者的鑒別研究中，發(fā)現AFD心肌T1值要明顯低于HCM患者，有可能成為除年齡、性別和傳統(tǒng)成像特征之外的診斷信息。Nakamori等[11]對36例擴張性心肌病患者的研究中，對T1和ECV評價心肌纖維化進行了組織相關性研究，證實T1和ECV兩者均與活檢結果有顯著相關性(r=0.77和0.66)。此外，ECV還顯示出與活檢細胞外間隙成分有非常高的相關性(r=0.86)。因此在擴張性心肌病中，T1和ECV用來測量組織膠原體積分數有非常好的效能。Treibel等[12]評估了1714例患者(無淀粉樣變或肥厚型心肌病病史)的臨床結果和各種指標如ECV、pre-T1、post-T1和分配系數，研究顯示ECV表現出最高的對數秩統(tǒng)計和最佳的Kaplan-Meier分離曲線。此外，ECV與單因素和多因素的臨床結果密切相關。同時Treibel等[12]指出ECV用來評估測量心肌纖維化程度與預后密切相關，較其他CMR指標更好。規(guī)律訓練的運動員心肌重塑會導致左心室肥厚，有時候與病理性的因素，如肥厚型心肌病鑒別有難度[13-14]。Swoboda等[15]研究了50例HCM，并納入40例運動員和35例健康對照者，結果發(fā)現HCM組心肌增厚最顯著節(jié)段的T1值和ECV均低于運動員組[(1182.7±42.4)ms與(1261.0±66.0)ms、22.7%±3.3%與32.3%±7.9%，P＜0.001]；運動員組的ECV明顯低于健康志愿者組(22.7%±3.3%與24.3%±2.6%，P=0.006)，T1值在運動員組和健康志愿者中無明顯差異。

盡管T1 mapping已經在定量顯示心肌組織特征發(fā)面顯示出了巨大潛力，但仍有一些問題需要克服才能被廣泛接受。正常心肌與纖維化之間沒有明確統(tǒng)一的閾值[7]；T1 mapping沒有任何內置的心率調整功能[7]。此外，采集時相的標準化是必要的，心肌血容量的變化可能會影響T1和ECV值[16]。

2 T2 mapping

心肌水腫或鐵沉積可導致T2弛豫時間改變，橫向弛豫時間定量成像(T2 mapping)技術能夠量化組織T2值[17]。T2值較傳統(tǒng)T2WI能夠更早地檢測到水腫或炎癥的存在，利于盡早挽救心肌[17]。一些研究也證實T2 mapping可以無創(chuàng)活體檢測及評估心肌炎的活動狀態(tài)[17]。而且，越來越多的證據表明，T2 mapping較T1 mapping能夠更早地提示急性炎癥[18]。T2 mapping可以敏感地檢測到慢性病如心肌瘢痕、心肌缺血區(qū)富含的水分[18]。需要注意的是，心肌T2值參考范圍的設定，應根據場強、序列、心率以及心肌節(jié)段不同區(qū)別制訂[19]。

3 DTI

心臟磁共振DTI是依靠水分子在平行和垂直心肌纖維束兩個方向上的擴散運動速度差異(也稱為各向異性)進行成像。部分各向異性分數(fractional anisotropy，FA)與表觀擴散系數(apparent diffusion coefficient，ADC)是DTI最常用的參數，分別反映水分子擴散運動的方向及幅度。

目前心臟DTI成像用于活體心臟的報道較少[20]。Ariga等[20]將DTI用于HCM患者，研究發(fā)現在健康對照組中，心臟舒張期HCM組FA值明顯低于健康對照組，在心肌肥厚處尤為顯著。這提示HCM患者心臟功能改變可能與心肌細胞重排以及纖維化有關。

4 應變成像

傳統(tǒng)心臟功能的評價主要依賴射血分數這一重要指標[4]。射血分數指標存在著可重復性欠佳、無法反映局部左心室功能的問題[4]。應變成像是一種新興的技術，可以直接反映心肌的重塑信息[4]。心肌應變作為反映左心室功能的指標要優(yōu)于射血分數，它可以直接測量到心肌舒張期到收縮期狀態(tài)的轉變信息，可以更早地在臨床前期(射血分數未發(fā)生改變前)捕捉到左心室功能異常的信息[4]。

心血管磁共振標記(cardiovascular magnetic resonance tagging)是一種不借助物理標記物可視化跨壁心肌細胞受累的方法[21]。常用的標記序列包括SPAMM、DANTE、CSPAMM、HARP、DENSE和SENC序列[21]，不同序列在分辨率、信噪比、掃描時間，掃描覆蓋范圍、圖像質量和三維功能方面各有特點[21]。

CMR標記技術作為磁共振心肌應變成像的“金標準”，可根據心肌的形變定量評估室壁運動，組內和組間的可重復性較好[21]。CMR標記技術用特定的射頻脈沖飽和方向標記心肌的不同區(qū)域，形成條紋影像[21]，隨后創(chuàng)建形成一個標記網格，因此追蹤這些標記有助于心肌變形的可視化顯示。但標記容易受組織本身的磁特性影響，當患者室壁變薄或標記在心內膜邊緣，均會導致測量不準確[4]；另外它需要獨立的專用掃描序列，其后處理需要特定的軟件[4]，這使得tagging技術的臨床應用受到一定程度的限制。

相比CMR標記技術，心臟磁共振特征跟蹤(feature tracking，FT)技術僅依靠空間分辨率高的電影成像，沒有額外的采集時間，圖像后處理相對簡單[22]。

CMR-FT技術通過測量心肌應變及其衍生參數，實現對心肌整體運動功能和的同步性評估，在不同的個體間或不同心肌節(jié)段間實現對各種臨床前期病變、心肌缺血或非缺血疾病等進行早期診斷以及預后管理[22]。Hinojar等[23]研究發(fā)現HCM患者相較于正常人，其左室縱向、周向及徑向應變均有不同程度的降低(P＜0.001)，HCM患者心肌應變出現不同程度的受損，提示CMR-FT技術有可能作為判斷HCM預后的一種獨立預指標。Baessler等[24]運用CMR-FT技術在對一組30例急性心肌炎和24名健康對照組的研究中，通過測量左室及右室心肌的縱向及周向應變，結果提示心肌炎患者的心肌均明顯受損。以左室周向應變＞-29%和右室基底段周向應率＞-0.53/s為閾值區(qū)分心肌炎和健康對照組，其敏感度和特異度分別為89%和80%。

CMR-FT技術掃描簡單，圖像分析相對容易，可重復性較好，目前已成為可媲美超聲斑點追蹤技術的定量分析技術。但目前CMR-FT技術的后處理軟件多種多樣，可提供的驗證研究較少，不同軟件間測量的變異較大。此外，臨床因素如血壓、心率、年齡和性別均有可能影響應變值[25]，同時需要注意測量基線和隨訪的應變值建議用相同的軟件進行分析。

5 AI

機器學習(machine learning，ML)是AI的一個子集，它的出現使心臟病學研究擺脫了傳統(tǒng)的調查和研究的局限，開啟了新領域的多維信息實時數據挖掘。ML可以解開當前龐大的數據，極大地增強了對疾病的檢測和生存預測。機器學習是一個總括性術語，它包含各種算法[26-27]。兩種最常用的ML算法是監(jiān)督學習和無監(jiān)督學習。監(jiān)督學習使用一個標有類別的數據集結果。無監(jiān)督學習可以被認為是不可知的，它適于沒有任何標簽或分類的數據集，解開其隱藏的關系[26-27]。半監(jiān)督學習是前面提到的兩種方法的混合，使用在數據集中發(fā)現關系的未標記結果[26-27]。強化學習類似于人類心理學，使用數據集中的獎勵標準，強化學習目前在CMR和心臟病學中的作用有限[26-27]。

深度學習(deep learning)是機器學習(machine learning)領域中一個新的研究方向，與人腦神經網絡體系結構相似，它被引入機器學習使其更接近于AI[28]。伴隨著云基礎架構及計算能力的快速發(fā)展，深度學習的價值會進一步顯現。近年來，不少心血管磁共振研究中心已經開始探索機器學習在CMR中的潛力。Winther等[29]報道使用了一種深度學習算法來進行自動分割學習左、右心室內膜和外膜，測量心臟質量和功能。這一方法運用于許多數據集，其中包括漢諾威醫(yī)學院數據科學院心臟挑戰(zhàn)與醫(yī)學圖像計算與計算機輔助干預2009左心室分割挑戰(zhàn)，結果顯示深度學習方法完成的準確性大致相當或略高于人類專家。Tan等[30]探索了深度學習中的卷積網絡，在左心室短軸位的所有層面對其進行自動分割，這種機器學習方法被用于許多公共數據集，包括200個具有不同病理改變的CMR的心室分割挑戰(zhàn)數據集。該研究團隊在該數據集中獲得的Jaccard指數為0.77。Bai等[31]使用完全卷積網絡進行自動分析來自大型成像數據庫的CMR圖像，對5000例患者的93 500張圖像進行左、右心室質量和容積計算。在CMR短軸圖像測試600例患者，測得左心室容量、左心室質量及右心室容量的Dice系數分別為0.94，0.88和0.90。Tan等[30]和Bai等[31]研究結果證明機器學習自動分割法的準確率與人類專家的判讀結果大致相當。

機器學習成功植入臨床環(huán)境，仍有許多問題需要解決。機器學習算法需要大量大型數據集驗證才能獲得足夠穩(wěn)定的準確度[26]。各研究機構的數據涉及倫理等諸多因素限制，各機構之間的數據共享存在一定困難[28]。另一方面，數據的標準化需要一個通用標準[26]。隨著數據變得越來越大，越來越復雜，手動輸入數據將變得困難。要成功地整合臨床和影像信息，有利于機器學習在各種領域的擴展，須有一個統(tǒng)一的數據標準做保障。這些都是未來需要解決的難點。

總之，CMR定量成像等新技術的快速發(fā)展，可以提供更多的心肌組織和功能方面有價值的信息。目前這些新技術普遍存在掃描時間長、圖像質量不穩(wěn)定、后處理軟件繁多以及測量結果可重復性欠佳等問題，臨床推廣受限。展望未來，CMR發(fā)展的方向仍會追求“快速、定量、精準”，并不斷在實踐中驗證成熟，更好地服務于臨床工作。

作者利益沖突聲明：全體作者均聲明無利益沖突。