临床-影像学模型预测冠状动脉狭窄患者基于冠状动脉CT造影所获无创血流储备分数≤0.8

汪 麟,陈 然,鲍 佩,方 玉,王 凯,许邦龙,胡广全

(安徽医科大学第二附属医院心血管内科,安徽 合肥 230601)

冠心病(coronary heart disease, CHD)是全球主要健康威胁和导致死亡的首要病因[1]。有创性血流储备分数(fractional flow reserve, FFR)是功能性评估冠状动脉狭窄的金标准[2],但所费不赀,且对设备要求高、操作时间长。基于冠状动脉CT造影(coronary CT angiography, CCTA)和流体力学算法获取的无创FFR(FFR derived from CCTA, CT-FFR)与有创FFR的诊断一致性良好,且可根据无创FFR≤0.8诊断功能性缺血[3-5]。本研究建立临床-影像学模型,观察其预测冠状动脉狭窄患者CT-FFR≤0.8的效能。

1 资料与方法

1.1 一般资料 回顾性分析2021年10月—2022年9月114例于安徽医科大学第二附属医院接受CCTA检查并获取CT-FFR的冠状动脉狭窄患者,男83例、女31例,年龄35～84岁、平均(62.0±10.3)岁;根据最小血管CT-FFR将其分为缺血组(CT-FFR≤0.8)和非缺血组(CT-FFR>0.8):缺血组(n=69)男53例、女16例,年龄35～84岁、平均(63.2±10.6)岁;非缺血组(n=45)男30例、女15例,年龄45～81岁、平均(60.2±8.9)岁。纳入标准:CCTA提示左前降支(left anterior descending,LAD)、左回旋支(left circumflex,LCX)及右冠状动脉(right coronary artery, RCA)中至少1支狭窄,且狭窄处管腔参考直径≥2 mm。排除标准:①合并左主干中度及以上狭窄;②急性心肌梗死,病程<1个月;③曾接受冠状动脉旁路移植术;④CCTA图像质量不佳。

1.2 仪器与方法 采用Siemens SOMATOM Force CT机。嘱患者仰卧,先行平扫,范围自气管分叉上方1 cm至膈肌;之后经肘正中静脉以4.5 ml/s流率注入碘帕醇(370 mgI/ml)60 ml,采用触发扫描技术,将ROI置于主动脉根部,于CT值达到100 HU后5 s开始采集图像;参数:管电压120 kV,自动管电流调节技术,探测器准直176 mm×0.6 mm,旋转时间0.25 s,层厚0.75 mm。

1.3 图像分析 将CCTA数据传至Siemens Syngo.via后处理工作站或深睿医疗后处理软件,行表面成像、曲面重建及冠状动脉探针等后处理;根据冠状动脉疾病报告和数据系统将冠状动脉管腔缩小程度将其分为轻(狭窄程度25%～49%)、中(50%～69%)及重度(≥70%)狭窄[6];软件自动识别血管钙化并记录钙化积分。由3名具有5年以上介入治疗经验的心内科医师在高年资影像科医师指导下测量并记录病变长度,并将其分为局限性(病变长度<10 mm)、管状(10～20 mm)或弥漫性病变(>20 mm)[7]。

1.4 获取CT-FFR 采用睿心分数©(深圳睿心智能医疗科技有限公司),经数据通信接口获得CCTA文件,并对图像质量进行审核,排除不满足条件的图像;基于人工智能图像处理算法提取三维冠状动脉树中心线及其轮廓,对冠状动脉树进行精准三维建模,并由工程师进行人工质检;结合量化生理参数获得血流动力学边界条件,计算冠状动脉树上最远段病变以远2 cm处的FFR,并由工程师对结果进行审核。

1.5 实验室检查 收集患者接受CCTA前、后1个月内的实验室检查结果,包括高密度脂蛋白胆固醇(high density lipoprotein-cholesterol, HDL-C)、低密度脂蛋白胆固醇(low density lipoprotein-cholesterol, LDL-C)、肌酐和糖化血红蛋白。

2 结果

2.1 一般资料 组间患者体质量指数(body mass index, BMI)及心绞痛类型差异均有统计学意义(P均<0.05)。见表1。

表1 心肌缺血与非缺血冠状动脉狭窄患者一般资料比较

2.2 CCTA 组间病变血管狭窄程度、数量及病变类型差异均有统计学意义(P均<0.05)。见表2及图1、2。

图1 非缺血组患者,男,52岁 A.CCTA图示前降支近段局限性病变致重度狭窄; B.CT-FFR分析图示前降支病变远端以远2 cm处CT-FFR=0.88 图2 缺血组患者,女,49岁 A.CCTA示前降支中远段弥漫性病变伴钙化致中度狭窄; B.CT-FFR分析图示前降支病变远端以远2 cm处CT-FFR=0.77; C.冠状动脉造影图示血管定量血流分数为0.75

表2 心肌缺血与非缺血冠状动脉狭窄患者CCTA所见比较

2.3 logistic回归分析 单因素及多因素logistic回归分析结果显示,典型心绞痛、重度狭窄、管状病变及弥漫性病变为冠状动脉狭窄患者CT-FFR≤0.8的独立影响因素(图3)。基于此建立的临床-影像学模型及绘制的列线图(图4)的数据拟合(P=0.45)及泛化能力(Kappa=0.46)均可,预测概率接近实际概率线及理想线(图5);其预测冠状动脉狭窄患者CT-FFR≤0.8的曲线下面积为0.86[95%CI(0.79,0.93)],敏感度为78.34%,特异度为82.22%,见图6。

图4 预测冠状动脉狭窄患者CT-FFR≤0.8的临床-影像学模型列线图

图5 临床-影像学模型预测冠状动脉狭窄患者CT-FFR≤0.8的校准曲线 图6 临床-影像学模型预测冠状动脉狭窄患者CT-FFR≤0.8的ROC曲线

3 讨论

既往临床主要通过有创冠状动脉造影和CCTA判断冠状动脉狭窄程度而诊断冠心病,难以从功能学角度评价冠状动脉狭窄对心肌供血的影响[8]。基于CCTA无创获取CT-FFR可通过一次检查同时获得冠状动脉解剖和功能信息,近年已成为临床热点。以往研究[3-5]证实,CT-FFR≤0.8可作为诊断冠状动脉功能性缺血的标准,且与有创FFR诊断结果具有较高一致性。根据2019欧洲心脏病学会指南[9],CCTA联合CT-FFR对于制订血运重建策略和识别靶点的价值不亚于冠状动脉造影和FFR;国内相关共识[10]则建议对CCTA显示冠脉狭窄30%～90%者进一步获取CT-FFR,以决定后续诊疗方案。本研究基于临床和CCTA所见构建临床-影像学模型,以之预测冠状动脉狭窄患者CT-FFR是否≤0.8及应否接受进一步评估,以在降低经济和时间成本的同时为后续诊疗提供指导。

既往研究[11]表明,相比不典型心绞痛,典型心绞痛患者CCTA提示冠状动脉狭窄≥70%的概率更高。TANG等[12]报道,CT-FFR≤0.8时,典型心绞痛发生率更高。本研究多因素回归分析结果显示,典型心绞痛、冠状动脉重度狭窄、管状病变和弥漫性病变为冠状动脉狭窄患者CT-FFR≤0.8的独立影响因素。本研究4例(缺血组、非缺血组各2例)存在钙化积分>1 000的病变。血管钙化虽可影响判读CCTA图像,但其对CT-FFR结果并无显著影响究[10,13-15]。另一方面,现有针对钙化积分>1 000病变血管的相关研究较少,有关钙化对CT-FFR结果准确性的影响有待进一步观察。

在处理复杂数据、高维数据和选择特征等方面,传统方法如Framingham风险评分、SCORE风险评估等存在一定局限性。机器学习和人工智能技术的发展,为处理复杂数据提供了新的途径。基于机器学习的列线图模型具有直观、精确性高、实用性强、易更新、可视化效果好等优势[16]。本研究基于心绞痛类型、冠状动脉狭窄程度和病变类型3个变量建立临床-影像学模型并绘制列线图,其预测冠状动脉狭窄患者CT-FFR≤0.8的曲线下面积为0.86[95%CI(0.79,0.93)],敏感度为78.34%、特异度为82.22%,提示其可作为初步筛选需进一步接受CT-FFR检测的冠状动脉功能性缺血患者的手段。

综上所述,本研究建立的临床-影像学模型预测冠状动脉狭窄患者CT-FFR≤0.8的效能较佳,可作为初步筛选需进一步接受CT-FFR检测人群的手段。但本研究样本量有限,且仅以Bootstrap方法评估模型泛化能力,而未设立训练集和验证集、尤其缺乏外部验证,有待后续进一步完善。