健心知著
2024.11.13
第421期
REVEALPLAQUE 研究：基于前瞻性深度学习的CCTA冠脉斑块定量评估vs. IVUS
刘健、彭欣、聂文畅
北京大学人民医院
健心荐语
冠状动脉计算机断层血管造影（CCTA）可对冠状动脉狭窄严重程度和血流受损情况进行无创评估，并且可通过视觉识别以低衰减斑块（LAP）和正性重构（PR）为特征的高危斑块，但其对于动脉粥样硬化总负荷的量化效果欠佳。现已开发了基于人工智能（AI）的CCTA算法改善斑块负荷的识别，但其评价价值与临床参考指标（如血管内超声，IVUS）的一致性仍存在疑问。
文章介绍
本研究旨对比基于前瞻性深度学习的CCTA冠脉斑块定量评估（ AI-QCPA）与IVUS的测量结果，研究于2024年4月发表在European Heart Journal - Cardiovascular Imaging 杂志。
研究方法
本研究纳入了15个中心的临床稳定的已知冠状动脉疾病患者，利用AI-QCPA评估冠脉斑块（包括总斑块体积、血管体积、管腔体积、钙化斑块、非钙化斑块等），并以盲法、核心实验室判定的方式与IVUS测量结果进行比较。
研究结果
本研究共对237例患者的临床基线特征进行了分析，其中包含432例病变。左前降支（LAD）、右冠状动脉及回旋支分别为275例（64%）、88例（20%）和 69例（16%），病灶平均长度为24.5±16.6 mm（见表1）。
表1：患者的临床基线特征
本研究在每个病变的基础上，对所有血管、管腔和斑块体积进行Pearson相关分析，结果显示，总斑块体积（r=0.91, P<0.0001）、血管体积（r=0.94, P<0.0001）、管腔体积（r=0.93, P<0.0001）、钙化斑块体积（r=0.91, P<0.0001）、非钙化斑块体积（r=0.87, P<0.0001）和LAP体积（r=0.28, P<0.0001）均具有显著相关性。
图1：对比 AI-QCPA和IVUS在病变水平的相关性
图2：对比AI-QCPA和IVUS在病变水平的平均差异
本研究发现，与IVUS相比，AI-QCPA对斑块体积有轻微低估，总斑块体积的平均差异为-19.96 mm³，钙化斑块为-6.88 mm³，非钙化斑块为-13.09 mm³， LAP为-3.89 mm³。
本研究使用IVUS共在251个病变中检测到LAP， LAP中位值为8.1 mm³。根据LAP的中位数，指定8.0 mm³作为LAP阈值，阈值2 mm³和4 mm³被任意定义为8.0 mm³的比较。对每个病灶的LAP存在与否进行ROC分析发现，IVUS阈值分别为2、4和8 mm³时，AUC值分别为0.69、0.7和0.72。
图3：LAP的ROC曲线
结 论
这项研究表明，基于前瞻性深度学习的CCTA冠脉斑块定量评估具有出色的准确性和精密度，且符合当前IVUS验证的管腔、斑块体积和病变形态的参考标准。
讨论
该研究证明了AI-QCPA可准确有效的评估冠状动脉粥样硬化负担和心血管风险。但该研究也存在一定的局限性，首先IVUS不能评估钙化斑块或低衰减斑块背后的组织特征，因此可能导致IVUS评价下低衰减或钙化斑块体积的高估。其次，目前的研究仅评估了定量的准确性，并没有获得临床结果。最后，该研究的样本量较小，研究结论有待在更大的样本量中进行验证。