臨床-影像學模型預測冠狀動脈狹窄患者基于冠狀動脈CT造影所獲無創(chuàng)血流儲備分數(shù)≤0.8

汪 麟,陳 然,鮑 佩,方 玉,王 凱,許邦龍,胡廣全

(安徽醫(yī)科大學第二附屬醫(yī)院心血管內科,安徽 合肥 230601)

冠心病(coronary heart disease, CHD)是全球主要健康威脅和導致死亡的首要病因[1]。有創(chuàng)性血流儲備分數(shù)(fractional flow reserve, FFR)是功能性評估冠狀動脈狹窄的金標準[2],但所費不貲,且對設備要求高、操作時間長。基于冠狀動脈CT造影(coronary CT angiography, CCTA)和流體力學算法獲取的無創(chuàng)FFR(FFR derived from CCTA, CT-FFR)與有創(chuàng)FFR的診斷一致性良好,且可根據(jù)無創(chuàng)FFR≤0.8診斷功能性缺血[3-5]。本研究建立臨床-影像學模型,觀察其預測冠狀動脈狹窄患者CT-FFR≤0.8的效能。

1 資料與方法

1.1 一般資料 回顧性分析2021年10月—2022年9月114例于安徽醫(yī)科大學第二附屬醫(yī)院接受CCTA檢查并獲取CT-FFR的冠狀動脈狹窄患者,男83例、女31例,年齡35～84歲、平均(62.0±10.3)歲;根據(jù)最小血管CT-FFR將其分為缺血組(CT-FFR≤0.8)和非缺血組(CT-FFR>0.8):缺血組(n=69)男53例、女16例,年齡35～84歲、平均(63.2±10.6)歲;非缺血組(n=45)男30例、女15例,年齡45～81歲、平均(60.2±8.9)歲。納入標準:CCTA提示左前降支(left anterior descending,LAD)、左回旋支(left circumflex,LCX)及右冠狀動脈(right coronary artery, RCA)中至少1支狹窄,且狹窄處管腔參考直徑≥2 mm。排除標準:①合并左主干中度及以上狹窄;②急性心肌梗死,病程<1個月;③曾接受冠狀動脈旁路移植術;④CCTA圖像質量不佳。

1.2 儀器與方法 采用Siemens SOMATOM Force CT機。囑患者仰臥,先行平掃,范圍自氣管分叉上方1 cm至膈肌;之后經(jīng)肘正中靜脈以4.5 ml/s流率注入碘帕醇(370 mgI/ml)60 ml,采用觸發(fā)掃描技術,將ROI置于主動脈根部,于CT值達到100 HU后5 s開始采集圖像;參數(shù):管電壓120 kV,自動管電流調節(jié)技術,探測器準直176 mm×0.6 mm,旋轉時間0.25 s,層厚0.75 mm。

1.3 圖像分析 將CCTA數(shù)據(jù)傳至Siemens Syngo.via后處理工作站或深睿醫(yī)療后處理軟件,行表面成像、曲面重建及冠狀動脈探針等后處理;根據(jù)冠狀動脈疾病報告和數(shù)據(jù)系統(tǒng)將冠狀動脈管腔縮小程度將其分為輕(狹窄程度25%～49%)、中(50%～69%)及重度(≥70%)狹窄[6];軟件自動識別血管鈣化并記錄鈣化積分。由3名具有5年以上介入治療經(jīng)驗的心內科醫(yī)師在高年資影像科醫(yī)師指導下測量并記錄病變長度,并將其分為局限性(病變長度<10 mm)、管狀(10～20 mm)或彌漫性病變(>20 mm)[7]。

1.4 獲取CT-FFR 采用睿心分數(shù)?(深圳睿心智能醫(yī)療科技有限公司),經(jīng)數(shù)據(jù)通信接口獲得CCTA文件,并對圖像質量進行審核,排除不滿足條件的圖像;基于人工智能圖像處理算法提取三維冠狀動脈樹中心線及其輪廓,對冠狀動脈樹進行精準三維建模,并由工程師進行人工質檢;結合量化生理參數(shù)獲得血流動力學邊界條件,計算冠狀動脈樹上最遠段病變以遠2 cm處的FFR,并由工程師對結果進行審核。

1.5 實驗室檢查 收集患者接受CCTA前、后1個月內的實驗室檢查結果,包括高密度脂蛋白膽固醇(high density lipoprotein-cholesterol, HDL-C)、低密度脂蛋白膽固醇(low density lipoprotein-cholesterol, LDL-C)、肌酐和糖化血紅蛋白。

2 結果

2.1 一般資料 組間患者體質量指數(shù)(body mass index, BMI)及心絞痛類型差異均有統(tǒng)計學意義(P均<0.05)。見表1。

表1 心肌缺血與非缺血冠狀動脈狹窄患者一般資料比較

2.2 CCTA 組間病變血管狹窄程度、數(shù)量及病變類型差異均有統(tǒng)計學意義(P均<0.05)。見表2及圖1、2。

圖1 非缺血組患者,男,52歲 A.CCTA圖示前降支近段局限性病變致重度狹窄; B.CT-FFR分析圖示前降支病變遠端以遠2 cm處CT-FFR=0.88 圖2 缺血組患者,女,49歲 A.CCTA示前降支中遠段彌漫性病變伴鈣化致中度狹窄; B.CT-FFR分析圖示前降支病變遠端以遠2 cm處CT-FFR=0.77; C.冠狀動脈造影圖示血管定量血流分數(shù)為0.75

表2 心肌缺血與非缺血冠狀動脈狹窄患者CCTA所見比較

2.3 logistic回歸分析 單因素及多因素logistic回歸分析結果顯示,典型心絞痛、重度狹窄、管狀病變及彌漫性病變?yōu)楣跔顒用}狹窄患者CT-FFR≤0.8的獨立影響因素(圖3)?；诖私⒌呐R床-影像學模型及繪制的列線圖(圖4)的數(shù)據(jù)擬合(P=0.45)及泛化能力(Kappa=0.46)均可,預測概率接近實際概率線及理想線(圖5);其預測冠狀動脈狹窄患者CT-FFR≤0.8的曲線下面積為0.86[95%CI(0.79,0.93)],敏感度為78.34%,特異度為82.22%,見圖6。

圖4 預測冠狀動脈狹窄患者CT-FFR≤0.8的臨床-影像學模型列線圖

圖5 臨床-影像學模型預測冠狀動脈狹窄患者CT-FFR≤0.8的校準曲線 圖6 臨床-影像學模型預測冠狀動脈狹窄患者CT-FFR≤0.8的ROC曲線

3 討論

既往臨床主要通過有創(chuàng)冠狀動脈造影和CCTA判斷冠狀動脈狹窄程度而診斷冠心病,難以從功能學角度評價冠狀動脈狹窄對心肌供血的影響[8]?；贑CTA無創(chuàng)獲取CT-FFR可通過一次檢查同時獲得冠狀動脈解剖和功能信息,近年已成為臨床熱點。以往研究[3-5]證實,CT-FFR≤0.8可作為診斷冠狀動脈功能性缺血的標準,且與有創(chuàng)FFR診斷結果具有較高一致性。根據(jù)2019歐洲心臟病學會指南[9],CCTA聯(lián)合CT-FFR對于制訂血運重建策略和識別靶點的價值不亞于冠狀動脈造影和FFR;國內相關共識[10]則建議對CCTA顯示冠脈狹窄30%～90%者進一步獲取CT-FFR,以決定后續(xù)診療方案。本研究基于臨床和CCTA所見構建臨床-影像學模型,以之預測冠狀動脈狹窄患者CT-FFR是否≤0.8及應否接受進一步評估,以在降低經(jīng)濟和時間成本的同時為后續(xù)診療提供指導。

既往研究[11]表明,相比不典型心絞痛,典型心絞痛患者CCTA提示冠狀動脈狹窄≥70%的概率更高。TANG等[12]報道,CT-FFR≤0.8時,典型心絞痛發(fā)生率更高。本研究多因素回歸分析結果顯示,典型心絞痛、冠狀動脈重度狹窄、管狀病變和彌漫性病變?yōu)楣跔顒用}狹窄患者CT-FFR≤0.8的獨立影響因素。本研究4例(缺血組、非缺血組各2例)存在鈣化積分>1 000的病變。血管鈣化雖可影響判讀CCTA圖像,但其對CT-FFR結果并無顯著影響究[10,13-15]。另一方面,現(xiàn)有針對鈣化積分>1 000病變血管的相關研究較少,有關鈣化對CT-FFR結果準確性的影響有待進一步觀察。

在處理復雜數(shù)據(jù)、高維數(shù)據(jù)和選擇特征等方面,傳統(tǒng)方法如Framingham風險評分、SCORE風險評估等存在一定局限性。機器學習和人工智能技術的發(fā)展,為處理復雜數(shù)據(jù)提供了新的途徑?；跈C器學習的列線圖模型具有直觀、精確性高、實用性強、易更新、可視化效果好等優(yōu)勢[16]。本研究基于心絞痛類型、冠狀動脈狹窄程度和病變類型3個變量建立臨床-影像學模型并繪制列線圖,其預測冠狀動脈狹窄患者CT-FFR≤0.8的曲線下面積為0.86[95%CI(0.79,0.93)],敏感度為78.34%、特異度為82.22%,提示其可作為初步篩選需進一步接受CT-FFR檢測的冠狀動脈功能性缺血患者的手段。

綜上所述,本研究建立的臨床-影像學模型預測冠狀動脈狹窄患者CT-FFR≤0.8的效能較佳,可作為初步篩選需進一步接受CT-FFR檢測人群的手段。但本研究樣本量有限,且僅以Bootstrap方法評估模型泛化能力,而未設立訓練集和驗證集、尤其缺乏外部驗證,有待后續(xù)進一步完善。