冠狀動脈CT血管造影影像組學(xué)用于冠心病研究進(jìn)展

高雪蓮,王 瑞,張宏凱,杜 俁,張?zhí)旌?徐 磊*

(1.首都醫(yī)科大學(xué)附屬北京安貞醫(yī)院醫(yī)學(xué)影像科,2.心內(nèi)科12病房 北京市心肺血管疾病研究所 冠心病精準(zhǔn)治療北京市重點實驗室 首都醫(yī)科大學(xué)冠心病臨床診療與研究中心,北京 100029)

冠心病(coronary artery disease,CAD)為冠狀動脈管腔狹窄、阻塞致心肌缺血、缺氧而引起的心臟病,是全球范圍內(nèi)臨床最常見心臟病及主要致死病因之一[1]。冠狀動脈CT血管造影(coronary CT angiography,CCTA)對于診斷CAD及評估患者風(fēng)險分層、制定治療方案具有重要價值[2],但難以避免操作者因素影響。利用影像組學(xué)可將圖像信息轉(zhuǎn)化為數(shù)據(jù)信息,并將其中的重要特征引入機(jī)器學(xué)習(xí)(machine learning,ML)模型進(jìn)行定量分析,深度挖掘其潛在臨床價值[3-4]。本文針對CCTA影像組學(xué)用于CAD研究進(jìn)展進(jìn)行綜述。

1 識別冠狀動脈斑塊

冠狀動脈粥樣硬化病變、尤其高危斑塊破裂或侵蝕可導(dǎo)致繼發(fā)血栓形成、引發(fā)急性冠脈綜合征(acute coronary syndrome,ACS)而威脅患者生命;準(zhǔn)確識別冠狀動脈斑塊具有重要臨床意義。CCTA中,高危斑塊常見表現(xiàn)包括“餐巾環(huán)征(napkin-ring sign,NRS)”、低衰減斑塊、管腔陽性重構(gòu)及點狀鈣化等[5]。KOLOSSVRY等[6]分析60例穩(wěn)定型心絞痛(stable angina pectoris,SAP)患者的CCTA資料,于每例提取4 440個影像組學(xué)特征,其中916個(916/4 440,20.63%)在NRS與非NRS斑塊間有顯著差異、440個鑒別NRS斑塊的曲線下面積(area under the curve,AUC)>0.80。CCTA影像組學(xué)識別高危冠狀動脈斑塊的效能優(yōu)于血管內(nèi)超聲成像及光學(xué)相干斷層掃描[7]。除能靜態(tài)識別冠狀動脈斑塊外,基于CCTA影像組學(xué)還可觀察不同心血管危險因素對冠狀動脈斑塊形態(tài)特征的影響[8],為臨床早期干預(yù)提供重要依據(jù)。

近年來,ML和卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)模型日益廣泛用于識別冠狀動脈斑塊?；贑CTA圖像構(gòu)建的隨機(jī)森林(random forest,RF)、支持向量機(jī)、邏輯回歸及K鄰近算法等多種傳統(tǒng)ML模型用于識別冠狀動脈粥樣硬化的AUC為0.73～0.78,其識別晚期病變的效能高于直接視覺評估(AUC為0.65～0.66)[9-10]。JIN等[11]基于CCTA圖像構(gòu)建的CNN模型鑒別冠狀動脈鈣化斑塊、非鈣化斑塊及混合斑塊的準(zhǔn)確率、敏感度、特異度及AUC分別為87.0%、83.2%、91.4%及0.87,提示CNN可有效提高在CTA圖像中分割冠狀動脈、檢測及提取目標(biāo)斑塊的效率及準(zhǔn)確度,有利于及早識別高危斑塊并制定最優(yōu)診療方案。利用CCTA影像組學(xué)模型還能獲得有價值的增量信息,揭示CAD潛在病理機(jī)制。LIN等[12]基于CCTA分析急性心肌梗死(acute myocardial infarction,AMI)患者罪犯與非罪犯斑塊及CAD穩(wěn)定斑塊特征,發(fā)現(xiàn)引入ML模型可顯著提高識別罪犯斑塊的效能,使AUC由0.76升至0.86。

2 評估血管周圍脂肪組織

冠狀動脈周圍炎癥是影響CAD預(yù)后的重要危險因素;隨著炎性因子水平升高,冠狀動脈周圍脂肪組織(pericoronary adipose tissue,PCAT)中的水與脂肪含量發(fā)生變化而影響CT值?；赑CAT影像組學(xué)識別AMI及預(yù)測心血管風(fēng)險優(yōu)于傳統(tǒng)CT。OIKONOMOU等[13]根據(jù)CCTA所示PCAT特征構(gòu)建的影像組學(xué)模型預(yù)測驗證集CAD患者5年內(nèi)發(fā)生主要不良心血管事件(major adverse cardiovascular events,MACE)的AUC為0.77,具有中等效能。LIN等[14]聯(lián)合臨床及CCTA PCAT特征構(gòu)建的ML模型鑒別AMI與穩(wěn)定型CAD的AUC為0.87;同時發(fā)現(xiàn)AMI患者接受經(jīng)皮冠狀動脈介入治療(percutaneous coronary intervention,PCI)前、后6個月近段右冠狀動脈(right coronary artery,RCA)及非罪犯病變周圍PCAT衰減值無明顯差異,可能原因在于PCAT已存在不可逆形態(tài)學(xué)改變,認(rèn)為PCAT特征不僅能提示AMI,亦可作為嚴(yán)重心血管事件的穩(wěn)定標(biāo)志物。SI等[15]對比單一血管周圍衰減指數(shù)(fat attenuation index,FAI)及以FAI-PCAT聯(lián)合影像組學(xué)模型預(yù)測AMI的效能,二者在訓(xùn)練集的AUC分別為0.53及0.97,在驗證集分別為0.50及0.95。有學(xué)者[16]報道,聯(lián)合臨床及CCTA所示RCA近段PCAT特征構(gòu)建的影像組學(xué)模型對于鑒別高危與非高危斑塊具有良好效能,可佐證冠狀動脈血管周圍炎癥與粥樣斑塊間存在一定關(guān)聯(lián),并共同促進(jìn)CAD發(fā)生、發(fā)展。

3 識別缺血性病變

心肌缺血與冠狀動脈狹窄程度、供應(yīng)心肌范圍及側(cè)支循環(huán)等諸多因素有關(guān),使冠狀動脈解剖狹窄與心肌缺血嚴(yán)重程度可能不相匹配。通過計算流體力學(xué)及以深度學(xué)習(xí)等算法獲得的CCTA功能學(xué)參數(shù)——血流儲備分?jǐn)?shù)(fractional flow reserve,FFR)可提供生理學(xué)信息,已成為評價冠狀動脈功能性缺血的重要標(biāo)準(zhǔn)[17]。一項多中心回顧性研究[18]基于PCAT特征構(gòu)建的RF模型評估訓(xùn)練集及驗證集冠狀動脈功能性缺血的AUC分別為0.83及0.82,顯著高于基于FAI特征影像組學(xué)模型(AUC均為0.55),提示PCAT影像組學(xué)特征或可作為心肌功能性缺血的另一項影像學(xué)指標(biāo)。多名學(xué)者[19-22]提出,PCAT影像組學(xué)識別缺血性冠狀動脈狹窄的效能可媲美CCTA FFR,二者聯(lián)合可進(jìn)一步提高診斷準(zhǔn)確率。CCTA影像組學(xué)用于鑒別疑似心肌缺血者具有應(yīng)用潛力,可促進(jìn)功能學(xué)評估冠狀動脈的普及,尤其值得在基層醫(yī)療機(jī)構(gòu)中推廣、應(yīng)用。

此外,CCTA影像組學(xué)還可用于觀察心肌受累。HINZOETER等[23]利用左心室短軸層面CCTA圖像構(gòu)建的影像組學(xué)模型鑒別梗死心肌與正常心肌的AUC達(dá)0.90,有助于早期干預(yù)高危CAD患者以預(yù)防AMI。

4 預(yù)測風(fēng)險分層與指導(dǎo)治療

作為無創(chuàng)評估CAD手段,CCTA可為影像組學(xué)模型同時提供斑塊、PCAT及FFR等參數(shù);CCTA影像組學(xué)預(yù)測CAD風(fēng)險分層的效能明顯優(yōu)于傳統(tǒng)風(fēng)險評分,有助于合理制定診療決策。LING等[24]分別采用CCTA影像組學(xué)模型及多中心冠狀動脈慢性完全閉塞(chronic total occlusion,CTO)注冊評分模型預(yù)測PCI治療CTO成功,其AUC分別為0.920及0.752,提示相比傳統(tǒng)解剖學(xué)參數(shù),CCTA影像組學(xué)模型可更準(zhǔn)確地預(yù)測CTO治療結(jié)局。

MACE為CAD風(fēng)險分層的重要評價指標(biāo),但目前對基于CCTA影像組學(xué)預(yù)測CAD患者發(fā)生MACE的價值尚存爭議。CHEN等[25]前瞻性納入708例CAD患者,利用CCTA影像組學(xué)識別高危斑塊以預(yù)測MACE,并通過血管內(nèi)超聲加以驗證,結(jié)果顯示高危斑塊為MACE的獨立危險因素,且預(yù)測效能良好。但也有學(xué)者[26]認(rèn)為盡管CCTA影像組學(xué)模型可顯著提高診斷缺血性病變的效能,但其預(yù)測MACE效果欠佳。各項研究結(jié)果存在差異,可能與MACE系斑塊、血流動力學(xué)等多因素共同作用所致,且研究所用設(shè)備型號、參數(shù)及影像組學(xué)構(gòu)建方法不同有關(guān),有待進(jìn)一步深入探索。

PCAT衰減值可預(yù)測高危斑塊破裂及ACS。尚靳等[27]建立的傳統(tǒng)PCAT密度模型及PCAT影像組學(xué)模型預(yù)測訓(xùn)練集CAD患者2年內(nèi)發(fā)生ACS的AUC分別為0.603及0.841,在驗證集分別為0.588及0.839。此外,PCAT影像組學(xué)模型預(yù)測ACS的效能優(yōu)于斑塊評分模型[28],并展現(xiàn)巨大應(yīng)用潛力。

5 小結(jié)與展望

CCTA影像組學(xué)可在提高診斷CAD效能、評估風(fēng)險分層及預(yù)測預(yù)后的同時減少不必要的侵入性操作,為指導(dǎo)臨床決策提供更多支持。但影像組學(xué)特征易受影像學(xué)設(shè)備、參數(shù)、圖像質(zhì)量、分割及重建等技術(shù)因素影響,在完全轉(zhuǎn)化為臨床應(yīng)用之前,還需進(jìn)一步優(yōu)化標(biāo)準(zhǔn)化成像方案及影像組學(xué)工作流程,并提高分割圖像及提取特征的精確度[29]。此外,現(xiàn)有基于斑塊和PCAT表型的影像組學(xué)預(yù)測MACE事件的研究有限,且不同研究之間結(jié)論尚存差異;CCTA影像組學(xué)斑塊、PCAT及FFR等特征之間的相互作用機(jī)制亦待進(jìn)一步闡明。總之,未來廣泛開展心血管CT影像組學(xué)研究可能對于一站式評估CAD、制定個體化治療方案、評估風(fēng)險分層及預(yù)測預(yù)后等發(fā)揮重要作用,而影像組學(xué)與人工智能相結(jié)合將是研究熱點與發(fā)展趨勢。

利益沖突:全體作者聲明無利益沖突。

作者貢獻(xiàn):高雪蓮查閱文獻(xiàn)、撰寫和修改文章;王瑞指導(dǎo)、審閱文章;張宏凱、杜俁、張?zhí)旌撇殚單墨I(xiàn);徐磊指導(dǎo)、審閱文章、經(jīng)費支持。