心臟核磁共振成像評估擴(kuò)張型心肌病預(yù)后的價(jià)值

【摘要】 擴(kuò)張型心肌?。╠ilated cardiomyopathy，DCM）是以左心室或雙心室擴(kuò)張并伴有心臟收縮功能障礙為特征的心肌病。DCM患者的病死率高且預(yù)后差，但隨著心臟磁共振成像（cardiac magnetic resonance imaging，CMR）技術(shù)的發(fā)展，其能更精確評估左心房體積、左心室體積、左心室舒張末期容積指數(shù)、左心室射血分?jǐn)?shù)（left ventricular ejection fraction，LVEF）等心臟參數(shù)，早期診斷DCM，輔助治療方案制訂，有助于患者預(yù)后改善。此外，CMR因良好的軟組織對比度和高空間分辨率等特點(diǎn)，在DCM患者的預(yù)后預(yù)測中極具優(yōu)勢。本文綜述了CMR評估DCM患者預(yù)后的研究進(jìn)展及價(jià)值。

【關(guān)鍵詞】 心臟核磁共振成像 擴(kuò)張型心肌 預(yù)后

Value of Cardiac Magnetic Resonance Imaging in Evaluating the Prognosis of Dilated Cardiomyopathy/Saiyaremu Xierzhati， LI Jie. //Medical Innovation of China， 2025， 22（06）： -178

[Abstract] Dilated cardiomyopathy （DCM） is a cardiomyopathy characterized by dilation of the left or both ventricles accompanied by systolic dysfunction. Patients with DCM have high mortality and poor prognosis， but with the development of cardiac magnetic resonance imaging （CMR） technology， it can more accurately evaluate left atrial volume， left ventricular volume， left ventricular end-diastolic volume index， left ventricular ejection fraction （LVEF） and other cardiac parameters， diagnose DCM early， assist in the formulation of treatment plans， and contribute to the improvement of patients' prognosis. In addition， CMR has great advantages in predicting the prognosis of DCM patients due to its good soft tissue contrast and high spatial resolution. This paper reviews the research progress and value of CMR in evaluating the prognosis of DCM patients.

[Key words] Cardiac magnetic resonance imaging Dilated cardiomyopathy Prognosis

First-author's address： Graduate School of Xinjiang Medical University， Urumqi 830017， China

doi：10.3969/j.issn.1674-4985.2025.06.040

據(jù)統(tǒng)計(jì)，擴(kuò)張型心肌?。―CM）的年發(fā)病率為（5～8）/10萬，因患者在疾病前期無明顯的癥狀體征，因此，即使左心室功能受損，多數(shù)DCM患者也難以在第一時(shí)間明確診斷，使得真實(shí)患病率可能被低估[1]。DCM的病死率高且預(yù)后差，已成為全球需要心臟移植的常見疾病[2]。據(jù)統(tǒng)計(jì)，DCM患者1年生存率為70%～75%，5年生存率低至50%[3]，其中約70%因心力衰竭去世，30%死于突發(fā)性心臟病[4]。近年來，DCM患者的存活率獲得了提升，這不僅是因?yàn)樵缙诮槿胫委煹燃夹g(shù)的發(fā)展和廣泛應(yīng)用，很大程度上也是因?yàn)樵缙诎l(fā)現(xiàn)和根據(jù)患者預(yù)后制訂個(gè)體化治療方案的規(guī)范應(yīng)用[5]。心臟磁共振成像（CMR）能夠通過精確評估心肌組織學(xué)特征，從而早期發(fā)現(xiàn)DCM，并能評估DCM患者的預(yù)后，以及在制訂治療方案方面提供可靠指導(dǎo)。

1 CMR對DCM預(yù)后評估的價(jià)值

1.1 CMR在臨床中的應(yīng)用

影像學(xué)技術(shù)所提供的信息在指導(dǎo)患者治療、輔助臨床決策等方面起到了至關(guān)重要的作用，有助于患者預(yù)后評估及后期動(dòng)態(tài)隨訪。根據(jù)不同的臨床需求，影像學(xué)技術(shù)的選擇也不同。DCM患者更需要對心肌形態(tài)及功能表型進(jìn)行判斷，同時(shí)還要對病情變化及進(jìn)展有一定的評估[6]。因此，CMR就成了DCM最佳的影像學(xué)輔助診斷工具。2023年歐洲心臟病學(xué)會(huì)心肌病管理指南建議用CMR明確心臟形態(tài)學(xué)表型。DCM的病因相對復(fù)雜，診斷較為困難。因此，不能僅局限于影像學(xué)結(jié)果，更應(yīng)該將患者的家族史、實(shí)驗(yàn)室檢查、心電圖、臨床表現(xiàn)及基因檢測等因素考慮進(jìn)來對所表現(xiàn)出的影像學(xué)結(jié)果進(jìn)行解讀。

1.2 CMR新技術(shù)的出現(xiàn)

CMR新技術(shù)的出現(xiàn)在DCM的診斷、疾病進(jìn)展監(jiān)測及危險(xiǎn)分層等方面起重要作用。當(dāng)超聲心動(dòng)圖在左心室舒張功能、室壁運(yùn)動(dòng)協(xié)調(diào)等方面圖像欠佳時(shí)，CMR能精確檢測并給出詳細(xì)數(shù)據(jù)。另外，CMR可通過提供心肌是否缺血或被脂肪組織替代等信息輔助DCM患者診斷病因，篩查缺血性心肌病同時(shí)評價(jià)心室舒張及收縮功能情況。

2 多模態(tài)影像學(xué)評估

2.1 CMR電影成像

CMR電影成像是基于磁共振成像原理，通過改變射頻脈沖的序列和參數(shù)，獲取不同時(shí)相心臟的圖像信息。其在心臟跳動(dòng)周期內(nèi)，連續(xù)采集多幅圖像，從而動(dòng)態(tài)展示心臟的運(yùn)動(dòng)過程，主要評估心臟功能、運(yùn)動(dòng)功能及血流情況。在DCM患者中，CMR電影成像具有典型表現(xiàn)，通常可見心腔明顯擴(kuò)大，尤其是左心室擴(kuò)張顯著，呈球形改變；心肌變薄，室壁運(yùn)動(dòng)減弱，收縮功能明顯降低，左心室射血分?jǐn)?shù)（LVEF）顯著下降。通過CMR電影成像對不同嚴(yán)重程度DCM患者進(jìn)行風(fēng)險(xiǎn)評估，醫(yī)生能夠更準(zhǔn)確地評估病情，制訂個(gè)性化的治療方案。

綜上，CMR電影成像能提供DCM患者心臟結(jié)構(gòu)、形態(tài)和功能相關(guān)參數(shù)，有助于疾病的診斷與預(yù)后預(yù)測，然而CMR因儀器空間小，操作時(shí)間長等原因不適用于幽閉恐懼癥患者。

2.2 心肌延遲強(qiáng)化（late gadolinium enhancement，LGE）

DCM患者心肌細(xì)胞出現(xiàn)壞死及纖維化，心肌纖維化是主要心血管不良事件（major adverse cardiovascular events，MACE）發(fā)生的重要病理基礎(chǔ)，而LGE可評估心肌纖維化情況，因此LGE在判斷DCM患者預(yù)后方面具有重要作用。Halliday等[7]對874例DCM患者進(jìn)行了4.9年的隨訪，終點(diǎn)事件選定為全因性死亡。發(fā)生終點(diǎn)事件的患者有150例，其中發(fā)生心源性猝死有84例，這些患者中有55例表現(xiàn)為LGE。將LGE程度分為lt;2.55%、2.55%～5.10%和gt;5.10%，估計(jì)調(diào)整風(fēng)險(xiǎn)比分別為1.59、1.56、2.31，心源性猝死終點(diǎn)為2.79、3.86和4.87。研究顯示LGE程度和結(jié)局之間存在明顯的非線性關(guān)系，即使是輕度LGE也預(yù)示著風(fēng)險(xiǎn)大幅增加，且室間隔LGE的存在與死亡率升高相關(guān)，但心源性猝死與室間隔和游離壁LGE的結(jié)合最相關(guān)。使用LGE存在和位置的預(yù)測模型優(yōu)于基于LGE范圍或模式的模型。也有研究使用LGE進(jìn)行了一項(xiàng)前瞻性隨訪研究，發(fā)現(xiàn)不管LGE增強(qiáng)的部位、模式及分布如何，只要增強(qiáng)范圍gt;14%即可預(yù)測DCM患者的不良預(yù)后。

根據(jù)2023年歐洲心臟病學(xué)會(huì)心肌病管理指南的建議，為預(yù)防心源性猝死的發(fā)生，LVEF≤35%的DCM患者應(yīng)植入埋藏式心臟復(fù)律除顫器（implantable cardiovertor defibrillator，ICD）。Halliday等[8]對未植入ICD且LVEFgt;40%的DCM患者進(jìn)行了前瞻性隨訪研究，結(jié)果顯示，發(fā)生心源性猝死的患者多為室間隔延遲強(qiáng)化的患者。這項(xiàng)研究表明，即使LVEFlt;40%，室間隔延遲強(qiáng)化的DCM患者也需要干預(yù)以預(yù)防MACE的發(fā)生。Barison等[9]通過研究準(zhǔn)備植入ICD的DCM患者的CMR發(fā)現(xiàn)，是否存在LGE及LGE程度有助于預(yù)測患者植入ICD后的除顫效果及心源性死亡率。因此，LGE在ICD的植入條件及DCM患者的預(yù)后預(yù)測中提供了重要信息。

此外，LGE還可以預(yù)測左室逆向重構(gòu)，左室逆向重構(gòu)是左心室形態(tài)及功能的恢復(fù)現(xiàn)象，與DCM患者良好預(yù)后密切相關(guān)，是當(dāng)今治療的新目標(biāo)[10]。Ikeda等[11]回顧性研究了接受標(biāo)準(zhǔn)化藥物治療的DCM患者的CMR參數(shù)，當(dāng)左心室收縮功能下降，LGE程度加重。因此，LGE程度的加重，意味著更晚出現(xiàn)左室逆向重構(gòu)甚至可能不出現(xiàn)，同時(shí)意味著患者的死亡風(fēng)險(xiǎn)高。反之，LGE程度輕的患者更容易在病情早期出現(xiàn)左室逆向重構(gòu)，這也預(yù)示著更好的預(yù)后。此外，還有一些研究表明，LGE在診斷鑒別心臟結(jié)節(jié)病、致心律失常性心肌病及缺血性心肌病上有不可替代的作用[12-14]。

總之，在DCM患者的診療中，從疾病診斷、病情發(fā)展監(jiān)測、預(yù)后評估，以及決定是否植入ICD及明確植入條件等方面LGE圖像都能提供重要信息。然而，該技術(shù)也有局限性，它無法檢測到還未到達(dá)閾值標(biāo)準(zhǔn)的心肌纖維化，因此無法完整的評估整體心臟心肌纖維化程度。目前，也尚無明確統(tǒng)一標(biāo)準(zhǔn)的LGE閾值用于區(qū)分心肌是否出現(xiàn)纖維化。因此，為了能在臨床更好的使用CMR提供的數(shù)據(jù)，還需通過多中心、大樣本量的研究確定閾值。

2.3 CMR特征追蹤及心肌標(biāo)記技術(shù)

LVEF是臨床上評價(jià)患者心功能的重要參數(shù)，低LVEF常提示更差的心功能。而CMR心肌標(biāo)記技術(shù)及CMR特征追蹤（CMR feature tracking，CMR-FT）技術(shù)相比超聲心動(dòng)圖能夠更敏感地檢測到心功能的變化。CMR心肌標(biāo)記技術(shù)是一種通過在心動(dòng)周期的早期階段在成像平面內(nèi)應(yīng)用標(biāo)記線并在整個(gè)心動(dòng)周期中跟蹤標(biāo)記線的位置來量化心肌應(yīng)變的技術(shù)[15]。Kono等[16]對15名正常受試者和12例DCM患者進(jìn)行了CMR心肌標(biāo)記技術(shù)，比較了以下參數(shù)：峰值周向應(yīng)變（Ecc）的大小、Ecc時(shí)間的變異系數(shù)、時(shí)間-Ecc曲線的描述性發(fā)現(xiàn)。標(biāo)記圖像顯示，DCM患者心肌功能下降，LVEF與左室Ecc峰值不同步。與正常受試者相比，DCM組患者的左室Ecc峰值顯著降低?？梢姡珻MR心肌標(biāo)記技術(shù)可在DCM早期識別心肌受損情況，但它需要較長的操作時(shí)長和特定的掃描序列。

近年來，CMR-FT技術(shù)以高效、不需要復(fù)雜序列等優(yōu)勢在心肌應(yīng)變方面發(fā)揮越來越重要的作用。CMR-FT技術(shù)是一種后處理技術(shù)，它通過處理穩(wěn)態(tài)自由進(jìn)動(dòng)序列等參數(shù)提供信息，與CMR心肌標(biāo)記技術(shù)具有較好的一致性[17]。隨著CMR技術(shù)的發(fā)展，CMR-FT技術(shù)已成為評估心肌應(yīng)變的新方法。有研究表明，CMR-FT聯(lián)合分形分析可以鑒別DCM和心肌致密化不全[16]。

3 CMR結(jié)合人工智能（AI）

3.1 CMR結(jié)合AI個(gè)體化預(yù)測預(yù)后

近年來，關(guān)于預(yù)測預(yù)后的各種智能模型層出不窮，AI技術(shù)突飛猛進(jìn)，并廣泛應(yīng)用于醫(yī)學(xué)領(lǐng)域中[18]。CMR所提供的信息僅局限于影像資料，但DCM患者的診斷和預(yù)后需考慮多方面信息，如患者一般情況、基礎(chǔ)疾病史、生化檢查及電生理檢查結(jié)果等[19-20]。將患者的影像學(xué)參數(shù)數(shù)據(jù)與臨床數(shù)據(jù)結(jié)合用來分析并構(gòu)建預(yù)測模型已成為目前心臟?？祁I(lǐng)域的重要研究方向[21]。但是這種模型在臨床使用過程中仍存在諸多問題，如某些單一因素引起的偏差使得這種模型無法在臨床上具有個(gè)體化特征，針對不同個(gè)體和人群適用性還未統(tǒng)一。盡管許多研究者嘗試使用多維度的參數(shù)對此進(jìn)行一個(gè)整體的分析，但仍避免不了上述情況。然而，AI智能可以很好地彌補(bǔ)這一不足，它通過大量的數(shù)據(jù)進(jìn)行綜合分析，可建立具有個(gè)體化的預(yù)測模型，此外，它還能對不同個(gè)體進(jìn)行分析及提供個(gè)體化方案，得出適用于每個(gè)個(gè)體的結(jié)論[22]。Chen等[23]對來自兩個(gè)中心的98例嚴(yán)重DCM患者（LVEFlt;35%）建立了機(jī)器學(xué)習(xí)模型的數(shù)據(jù)集。共有32個(gè)臨床數(shù)據(jù)特征被輸入到機(jī)器學(xué)習(xí)算法中，與心血管事件高度相關(guān)的顯著特征通過信息增益選擇，構(gòu)建了樸素貝葉斯分類器，并通過10倍交叉驗(yàn)證使用受試者操作特征的曲線下面積（AUC）評估其預(yù)測性能。得到了一個(gè)臨床效益不錯(cuò)的DCM患者1年時(shí)間內(nèi)發(fā)生不良心血管事件的預(yù)測模型。

3.2 AI在預(yù)測模型建立上的展望

CMR在心臟病學(xué)領(lǐng)域有不可替代的價(jià)值，它所提供的信息精準(zhǔn)、全面，在非缺血性心肌病，尤其是DCM的診斷、分級和預(yù)后方面有重要作用。但目前大多數(shù)研究仍把關(guān)注點(diǎn)放在定性和定量方面，忽視了利用AI來處理圖像可能會(huì)獲得更多面的信息，在醫(yī)學(xué)影像分析中，AI可以快速識別出醫(yī)學(xué)影像中極其細(xì)微的病變特征，為疾病的早期診斷提供關(guān)鍵線索，這是單純依靠人工觀察和有限的數(shù)據(jù)難以做到的[24-25]。然而，目前這一領(lǐng)域還處于探索階段，因此，未來還需要投入更多的研究。通過開展大量的實(shí)驗(yàn)、建立更完善的模型、優(yōu)化算法等方式，深入挖掘AI在影像學(xué)領(lǐng)域的潛力。

4 結(jié)論

隨著磁共振在醫(yī)學(xué)領(lǐng)域的快速發(fā)展，CMR在DCM的診斷、鑒別診斷、預(yù)后評估等方面發(fā)揮顯著作用。CMR可使用不同影像學(xué)技術(shù)監(jiān)測和評估DCM患者的心臟結(jié)構(gòu)、功能和組織特征，以及預(yù)測預(yù)后結(jié)局，可促進(jìn)DCM患者的臨床管理。將來有望通過增加樣本量、優(yōu)化成像序列、確定參數(shù)閾值和引入AI來提高其臨床實(shí)用性。

參考文獻(xiàn)

[1] TSAO C W，ADAY A W，ALMARZOOQ Z I，et al.Heart disease and stroke statistics—2022 update：a report from the American heart association[J/OL].Circulation，2022，145（8）：e153-e639（2022-02-22）[2024-07-30].https：//pubmed.ncbi.nlm.nih.gov/35078371/.DOI： 10.1161/CIR.0000000000001052.

[2] MERLO M，CANNATA A，GOBBO M，et al.Evolving concepts in dilated cardiomyopathy[J].European Journal of Heart Failure，2018，20（2）：228-239.

[3] DEC G W，F(xiàn)USTER V.Idiopathic dilated cardiomyopathy[J].New England Journal of Medicine，1994，331（23）：1564-1575.

[4] BOZKURT B，COLVIN M，COOK J，et al.Current diagnostic and treatment strategies for specific dilated cardiomyopathies：a scientific statement from the American heart association[J/OL].

Circulation，2016，134（23）：e579-e646（2016-12-06）

[2024-07-30].https：//pubmed.ncbi.nlm.nih.gov/27832612/.DOI：10.1161/CIR.0000000000000455.

[5]李媛.延續(xù)性護(hù)理對慢性心衰患者自我護(hù)理行為的影響[J].新疆醫(yī)學(xué)，2020，50（7）：734-736.

[6] ELLIOTT P，CHARRON P，BLANES J R G，et al.European cardiomyopathy pilot registry：EURObservational research programme of the European society of cardiology[J].European Heart Journal，2016，37（2）：164-173.

[7] HALLIDAY B P，BAKSI A J，GULATI A，et al.Outcome in dilated cardiomyopathy related to the extent， location， and pattern of late gadolinium enhancement[J].JACC：Cardiovascular Imaging，2019，12（8 part 2）：1645-1655.

[8] HALLIDAY B P，GULATI A，ALI A，et al.Association between midwall late gadolinium enhancement and sudden cardiac death in patients with dilated cardiomyopathy and mild and moderate left ventricular systolic dysfunction[J].Circulation，2017，135（22）：2106-2115.

[9] BARISON A，AIMO A，MIRIZZI G，et al.The extent and location of late gadolinium enhancement predict defibrillator shock and cardiac mortality in patients with non-ischaemic dilated cardiomyopathy[J].International Journal of Cardiology，2020，307：180-186.

[10] CANNATA A，MANCA P，NUZZI V，et al.Sex-specific prognostic implications in dilated cardiomyopathy after left ventricular reverse remodeling[J].Journal of Clinical Medicine，2020，9（8）：2426.

[11] IKEDA Y，INOMATA T，F(xiàn)UJITA T，et al.Cardiac fibrosis detected by magnetic resonance imaging on predicting time course diversity of left ventricular reverse remodeling in patients with idiopathic dilated cardiomyopathy[J].Heart and Vessels，2016，31（11）：1817-1825.

[12]陽洪瑛，徐翀，布玲代.心動(dòng)過速伴心臟擴(kuò)大[J].新疆醫(yī)學(xué)，2004，34（5）：134-136.

[13]王鵬飛，任天陽，張晨陽，等.影像組學(xué)在心血管磁共振中的研究進(jìn)展[J].影像研究與醫(yī)學(xué)應(yīng)用，2024，8（5）：1-3.

[14] CIPRIANI A，BAUCE B，DE LAZZARI M，et al.Arrhythmogenic right ventricular cardiomyopathy：characterization of left ventricular phenotype and differential diagnosis with dilated cardiomyopathy[J/OL].Journal of the American Heart Association，2020，9（5）：e014628（2020-03-03）[2024-07-30].https：//pubmed.ncbi.nlm.nih.gov/32114891/.DOI：10.1161/JAHA.119.014628.

[15] VAN EVERDINGEN W M，ZWEERINK A，NIJVELDT R，et al.

Comparison of strain imaging techniques in CRT candidates：CMR tagging， CMR feature tracking and speckle tracking echocardiography[J].The International Journal of Cardiovascular Imaging，2018，34（3）：443-456.

[16] KONO A K，CROISILLE P，NISHII T，et al.Cardiovascular magnetic resonance tagging imaging correlates with myocardial dysfunction and T2 mapping in idiopathic dilated cardiomyopathy[J].The International Journal of Cardiovascular Imaging，2014，30：145-152.

[17] VAN EVERDINGEN W M，ZWEERINK A，NIJVELDT R，et al.

Comparison of strain imaging techniques in CRT candidates：CMR tagging， CMR feature tracking and speckle tracking echocardiography[J].The International Journal of Cardiovascular Imaging，2018，34：443-456.

[18] LITJENS G，CIOMPI F，WOLTERINK J M，et al.State-of-the-art deep learning in cardiovascular image analysis[J].JACC：Cardiovascular Imaging，2019，12（8 part 1）：1549-1565.

[19] TüRE M，BALIK H，AKIN A，et al.The relationship between electrocardiographic data and mortality in children diagnosed with dilated cardiomyopathy[J].European Journal of Pediatrics，2020，179（5）：813-819.

[20] ROBERTSON J，LINDGREN M，SCHAUFELBERGER M，et al.

Body mass index in young women and risk of cardiomyopathy：a long-term follow-up study in Sweden[J].Circulation，2020，141（7）：520-529.

[21] HSICH E，GORODESKI E Z，BLACKSTONE E H，et al.

Identifying important risk factors for survival in patient with systolic heart failure using random survival forests[J].Circulation：Cardiovascular Quality and Outcomes，2011，4（1）：39-45.

[22] WIENS J，SARIA S，SENDAK M，et al.Do no harm：a roadmap for responsible machine learning for health care[J].Nature Medicine，2019，25（9）：1337-1340.

[23] CHEN R，LU A J，WANG J J，et al.Using machine learning to predict one-year cardiovascular events in patients with severe dilated cardiomyopathy[J].European Journal of Radiology，2019，117：178-183.

[24] SHAMEER K，JOHNSON K W，GLICKSBERG B S，et al.

Machine learning in cardiovascular medicine：are we there yet？[J].Heart，2018，104（14）：1156-1164.

[25]安景景，江茂寧，劉家佳，等.基于CiteSpace和VOSviewer對近10年擴(kuò)張性心肌病相關(guān)文獻(xiàn)的可視化分析[J].中國循證心血管醫(yī)學(xué)雜志，2022，14（12）：1422-1427

（收稿日期：2024-10-11） （本文編輯：陳韻）