健心知著
2026.07.08
第544期
基于常规CT的主动脉及心脏结构可优于PREVENT与冠脉钙化预测心血管风险
刘健、毕鹏飞、范朋飞
北京大学人民医院
健心荐语
心血管疾病是全球首位死亡病因，精准心血管风险分层是一级预防的基础。当前临床主流风险评估工具存在明显短板：新型 PREVENT 评分虽优化了现代人群风险预测，但仍高度依赖电子病历完整的临床危险因素；冠脉钙化（CAC）是公认的影像风险标志物，但仅能反映冠脉粥样硬化负荷，无法全面评估心脏腔室、主动脉整体结构异常带来的心血管事件风险。基于此，本研究借助AI分割工具提取 CT 心脏-主动脉结构影像组学特征，构建全新心血管风险评分，验证其能否弥补临床评分与冠脉钙化评分的预测短板，实现依托常规胸部 CT 的机会性心血管风险筛查。
文章介绍
本研究基于常规胸部 CT 提取心脏、主动脉结构影像组学特征构建风险预测模型，验证该影像组学评分对主要不良心血管事件（MACE）的预测能力是否优于临床 PREVENT 评分，且可与冠脉钙化（CAC）形成互补，识别传统评分漏诊的高风险人群，解决临床危险因素缺失患者无法完成风险分层的痛点，本研究于2026 年 5 月发表于《JACC Cardiovasc Imaging》。
研究方法
1. 研究队列
1）模型训练集：全国肺癌筛查试验（NLST）13437 名吸烟受试者，接受低剂量胸部 CT，终点为心血管死亡；内部测试集为同源的 9053 例受试者。
2）外部验证队列：麻省总医院联盟（MGB）14577 例 40–75 岁无既往心梗、卒中、冠脉血运重建患者，2013–2018 年完成胸部 CT 平扫，主要终点 MACE（心梗、缺血性卒中、冠脉血运重建）；设置两个亚组：①指南适用人群 7361 例（未使用他汀、无糖尿病、LDL-C 70–190mg/dL，符合 ACC/AHA 风险评估指征）；②危险因素缺失亚组5518例（缺少至少1项PREVENT评分计算所需的临床指标）。
2. 预测模型构建
采用 LASSO Cox 回归模型，纳入性别 + 70 项标准化心脏 / 主动脉结构特征，以 NLST 训练集心血管死亡为预测终点；该研究的中心流程图见图1。
图一：该研究的中心流程图
研究结果
1. 基线特征
1）NLST 训练集：平均 61.4 岁，59.2% 男性，中位随访 12.3 年，心血管死亡发生率 4.5%；内部测试集人口学、终点事件发生率与训练集高度一致。
2）MGB 外部总队列：平均 61.1 岁，47.5% 男性，非西班牙裔白人占 89.3%，中位随访 5.7 年 MACE 发生率 6.2%；指南适用亚组 7361 人，其中 75% 患者存在至少一项 PREVENT 评分所需危险因素缺失。纳入人群的基线特征见表1。
表1：纳入人群的基线特征
2. 影像组学特征与心血管事件的关联
校正年龄、性别、BMI 后，左室容积、左室短轴长度每增加 1 个标准差，心血管死亡风险分别升高 61%、63%；主动脉表面积体积比降低（降低风险27%）、左心房扁平度升高（增加风险45%）同样显著增加心血管死亡风险；此外，主动脉表面积与容积比值及左心房扁平度也与心血管死亡率存在显著关联。
3.模型效能
1）该模型影像组学评分 C 指数 0.66（0.64–0.68），显著高于 PREVENT 评分 0.61（0.59–0.63）；指南适用亚组、危险因素缺失亚组中，影像组学评分区分度仍稳定在 0.63 左右，不受临床指标缺失影响。
2）联合 CAC 后预测效能提升：单纯 CAC C 指数 0.66，影像组学 + CAC 联合模型 C 指数升至 0.69，该结果在剔除冠脉血运重建终点后仍保持一致。验证队列对MACE的预测效能及联合CAC的预测效能见表2。
表2：验证队列对MACE的预测效能
4. 影像组学评分可独立分层各 CAC、PREVENT 风险亚组人群
1）分层 MACE 发生率：无论 CAC 积分 0、1–99、100–299、300–999、≥1000 任一区间，影像组学低、中、高危组 MACE 发生率呈梯度上升；CAC=0 无钙化人群中，影像组学高危患者事件发生率是低危人群 3 倍以上。（表3）
表3：不同CAC分组中模型的预测效能
5.他汀适用人群应用价值
1）男性人群：两项评分均判定他汀适用者，MACE 发生率 22.3 / 千人年；仅影像组学判定高危（PREVENT＜7.5%）人群 MACE 高达 36.1 / 千人年；存在危险因素缺失、无法计算 PREVENT 的男性，影像组学高危人群事件风险是低危人群 3.3 倍。
2）女性人群趋势一致，各分层绝对 MACE 发生率整体低于男性；模型可独立完成无完整临床指标人群的风险分层（表4）。
表4：按基于放射组学评分和预防评分定义的他汀类药物适用性分组，每1000人年发生的主要不良心血管事件（MACE）发生率
结 论
基于CT数据构建的心脏及主动脉结构放射组学可识别临床评分未能捕捉的高危患者，并进一步对冠状动脉钙化（CAC）风险群体进行了风险分层。高危患者可能受益于强化一级预防措施。
讨论
该研究首次建立整合心腔、主动脉整体形态结构的CT 影像组学心血管风险模型，仅依托常规肺部平扫 CT 即可完成风险评估，无需额外造影、心电门控扫描，不增加患者辐射与检查费用，实现机会性心血管筛查。该研究也存在一些局限性，首先该研究为回顾性队列研究，缺乏前瞻性干预试验证实基于该评分的风险管理可降低心血管事件，无法证明模型临床干预获益；该研究模型训练终点为 NLST 队列心血管死亡，外部验证终点拓展至非致死 MACE，未硬终点进行研究；未来应开展多中心、前瞻性、不同种族队列外部验证，提升模型普适性；结合深度学习隐层影像特征、生物标志物、基因组数据构建多模态复合风险模型，进一步提升预测精度。