基于CCTA的冠周脂肪影像組學在鑒別急性冠脈綜合征和穩定性冠心病中的價值

周慧 劉良卿 龔波 李紅堯 潘靚 邢偉

[摘 ? 要] ? 目的：探討基于冠狀動脈CT血管成像（coronary computed tomographic angiography，CCTA）的冠狀動脈周圍脂肪組織（pericoronary adipose tissue，PCAT）影像組學模型在鑒別急性冠狀動脈綜合征（acute coronary syndrome，ACS）和穩定性冠心?。╯table coronary artery disease，SCAD）中的應用價值。方法：回顧性分析97例冠心病患者影像學資料及臨床資料，分為ACS組48例和SCAD組49例。將狹窄冠狀動脈周圍脂肪組織設為感興趣區（region of interest，ROI），提取出脂肪衰減指數（fat attenuation index，FAI）和脂肪影像組學特征。按照7∶3比例構建影像組學模型， 97例患者隨機分為訓練組67例和測試組30例。通過單因素相關系數分析、單因素Logistic回歸分析以及最小絕對收縮與選擇算子（LASSO）回歸進行影像組學特征篩選并構建預測模型。采用受試者工作特征（receiver operating characteristic，ROC）曲線分析兩種模型的診斷效能。結果：從基于CCTA檢查勾畫的冠周脂肪ROI的圖像中獲取788個影像組學特征，最終篩選出6個特征來構建冠周脂肪影像組學預測模型，基于提取的脂肪衰減指數構建FAI模型。冠周脂肪影像組學預測模型在訓練組及測試組中曲線下面積（area under the curve，AUC）（0.881、0.884）均高于FAI模型的AUC（0.721）。冠周脂肪影像組學預測模型在測試組的準確度、敏感度、特異度分別為80.0%、66.7%、93.3%。結論：基于CCTA檢查的冠周脂肪影像組學模型在鑒別急性冠脈綜合征和穩定性冠心病中明顯優于FAI模型，具有更高的應用價值，有助于及時、準確發現高?；颊?，為臨床采取干預措施提供依據。

[關鍵詞] ? 冠心??；脂肪組織；影像組學；脂肪衰減指數；鑒別診斷

[中圖分類號] ? R541.4 [文獻標志碼] ? B [DOI] ? 10.19767/j.cnki.32-1412.2024.01.018

冠心病一般分為急性冠狀動脈綜合征（acute coronary syndrome，ACS）和穩定性冠心?。╯table coronary artery disease，SCAD），其中ACS發病突然，更易誘發嚴重并發癥，死亡率更高[1-3]。不穩定斑塊的破裂是導致ACS發生的重要因素，需盡早識別和干預治療。既往研究證實，冠狀動脈血管內炎癥在斑塊形成和不穩定進展中起著舉足輕重的作用[4]，冠狀動脈周圍脂肪衰減指數（fat attenuation index，FAI），即冠狀動脈周圍脂肪組織（pericoronary adipose tissue，PCAT）平均CT值可以反映這種炎性改變[5]。最新研究發現，血管纖維化和微血管重構也是脂肪組織功能障礙的兩個重要因素[6]。目前影像組學衍生出脂肪影像組學特征這一新的成像生物標記物，可以客觀反映感興趣區（region of interest，ROI）的生理特征和潛在的病理特征[7-8]。有學者基于冠周脂肪直方圖參數對ACS和SCAD進行鑒別，獲得較好的臨床價值[9]，但直方圖參數只是影像組學特征中的一個指標，不能代表全部潛在信息，存在一定的局限性。本研究回顧性分析江蘇大學附屬武進醫院2019年12月—2021年4月診治的冠心病患者97例的臨床和影像資料，提取FAI和冠周脂肪影像組學特征后構建預測模型，探討兩者的診斷效能，為臨床及時發現高?；颊?，采取干預治療提供更有效的參考依據。

1 ? 資料與方法

1.1 ? 一般資料 ? 冠心病患者97例，分為ACS組48例和SCAD組49例。ACS組男性24例，女性24例，年齡48～87歲，平均67.5±1.59歲。SCAD組男性27例，女性22例，年齡41～87歲，平均66.9±1.41歲。ACS組納入標準：（1）因急性冠狀動脈事件入院；（2）冠狀動脈CT血管成像（coronary computed tomographic angiography，CCTA）診斷為冠脈主干中、重度狹窄或閉塞[10]，且在72小時內行冠狀動脈造影（coronary angiography，CAG）檢查，二者結果符合。SCAD組納入標準：（1）CCTA診斷為冠脈主干中、重度狹窄；（2）根據臨床特點診斷為穩定性冠心病，包括慢性穩定性勞力型心絞痛、缺血性心肌病和急性冠狀動脈綜合征后穩定病程階段[3]。排除標準：（1）冠狀動脈起源或終止異常；（2）曾行心臟搭橋術或支架植入手術；（3）有心臟起搏器植入史或人工瓣膜置換手術史；（4）患有腫瘤及嚴重肝腎疾病。將2組患者按7∶3的比例隨機分為訓練組67例和測試組30例。

1.2 ? 檢查方法 ? 采用炫速雙源螺旋CT（西門子，德國）掃描，采用回顧性、前瞻性心電門控掃描或大螺距前瞻性FLASH掃描。掃描參數：重建層厚0.75 mm，重建層距0.5 mm，管電壓120 kV，通過CARE Dose 4D低劑量技術自動電流調節。掃描范圍：氣管隆突下2 cm至心臟膈面下1 cm。利用Ulrich高壓注射器經肘正中靜脈快速注射非離子型對比劑優維顯（濃度370 mgI/mL），注射速率為5.0 mL/s。

1.3 ? 圖像處理和ROI勾畫 ? 使用西門子Syngo.via云處理工作站進行圖像后處理，采用容積再現（volume rendering，VR）、曲面重建（curved planar reformation，CPR）及最大密度投影（maximum intensity projection，MIP）3種方法確定病變部位、范圍及狹窄程度，然后由2名醫師分別使用ITK-SNAP軟件（http：//www.itksnap.org）在CPR圖像上選擇狹窄程度最嚴重的層面勾畫病變血管處的PCAT。勾畫范圍：在病變血管兩旁脂肪組織內各畫一平行于血管長軸走形的類矩形ROI，長徑為病變血管長度，短徑為病變血管直徑的平均值。為去除非脂肪組織的影響，將ROI的CT值范圍設置為-190～30 HU。ACS組選擇病變血管進行勾畫，SCAD組選擇狹窄率≥50%的病變血管進行勾畫，若為多發病變則選擇狹窄程度最高的病變血管勾畫。

1.4 ? 影像特征提取和篩選 ? 將原始CPR圖像和已勾勒的ROI圖像導入AK軟件（Artificial Intelligence Kit Ver 3.2.0，GE公司）提取出788個影像組學參數，其中包含14個形狀特征、18個一階統計特征、68個紋理特征和688個小波變換特征。篩選出最終的特征集構建預測模型，并使用5折交叉驗證檢驗模型的可靠性。

1.5 ? 統計學處理 ? 應用Rstudio 4.1.1軟件進行統計分析。正態性檢驗采用Kolmogorov Smirnov檢驗，符合正態分布的計量資料以x±s表示，組間比較采用獨立樣本t檢驗；計數資料以頻數和百分率表示，組間比較采用χ2檢驗。P＜0.05為差異具有統計學意義。ROI影像組學特征在觀察者間的一致性采用組內相關系數（intraclass correlation coefficient，ICC）評估，ICC＞0.75為一致性較好[11]。預測模型的診斷效能采用受試者工作特征曲線（receiver operating characteristic curve，ROC）評估，并通過繪制校準曲線來檢測預測模型的準確性。

2 ? 結 ? ? ?果

2.1 ? 兩組患者基線資料比較 ? ACS組與SCAD組FAI值比較，差異有統計學意義（P<0.05），而兩組性別、年齡、體質量指數（body mass index，BMI）、吸煙史、合并癥、血脂水平比較，差異均無統計學意義（P>0.05）。見表1。

2.2 ? 影像組學特征篩選和降維 ? 2位影像學醫師分別獨立測量的ROI影像組學特征組間ICC值為 0.778～0.931，均>0.75，表明一致性較高。通過單因素相關系數分析去冗余后保留77個特征，然后采用單因素Logistic回歸分析保留11個最具差異性的影像組學特征，繼而使用LASSO回歸進行降維處理，篩選權重不為0的特征（圖1），最終得到6個影像組學特征并用于構建預測模型（表2）。影像組學得分（radiomics score，Rad-score）即是這6個特征的值與其對應的權重的乘積相加后再加上截距值。

2.3 ? 預測模型的效能評估 ? 根據FAI值獲得的ROC曲線下面積（area under the curve，AUC）為0.721，而通過冠周脂肪影像組學特征得到的ROC曲線截距值為0.511，訓練組AUC值為0.881，測試組AUC值為0.884（圖2）。訓練組準確度、敏感度、特異度、陽性預測值、陰性預測值分別為79.1%、75.8%、82.4%、80.6%、77.8%，測試組準確度、敏感度、特異度、陽性預測值、陰性預測值分別為80.0%、66.7%、93.3%、90.9%、73.7%（表3）。校準曲線顯示，冠周脂肪影像組學預測模型在訓練組及測試組均表現較好，與理想曲線走形較為一致（圖3）。在獲得的Rad-score瀑布圖中，0以上代表模型識別為ACS組，0以下代表模型識別為SCAD組；藍色柱狀圖為實際ACS組，紅色柱狀圖為實際SCAD組（圖4）。

3 ? 討 ? ? ?論

冠狀動脈周圍脂肪組織是與冠狀動脈血管壁接觸最為緊密的組織，與冠狀動脈血管壁的信號傳遞呈雙向性[12]。既往研究表明PCAT成像和量化可用于心血管疾病的風險分層[7]，但僅對PCAT一個或一類紋理特征進行分析，而本研究采用影像組學方法對PCAT進行定量和定性分析。與傳統的閱片方式相比，影像組學極大增加了從圖像中獲取的信息，從感興趣區域提取成百上千個人眼無法辨別的成像特征，從大數據中導出與臨床特征或結果相關聯的成像模式，為臨床提供更有價值的診斷依據。

本研究發現，ACS與SCAD患者冠周脂肪FAI值的差異具有統計學意義（P<0.001），與GOELLER等[13]對PCAT平均CT值的研究結果一致，進一步驗證FAI值可作為反映血管炎性改變的參考指征。另外，本研究采用CCTA技術對PCAT進行非侵入性影像學測量，篩選出6個最具價值的特征構建預測模型。發現這6個最重要的參數分別是基于幾何形狀特征、體素強度分布和小波變換后的影像組學特征，其中小波變換后的特征占5項。表明小波變換特征在鑒別急性冠脈綜合征和穩定性冠心病中具有重要價值，可能與小波變換保留了更多的圖像銳度和局部信息有關，這些信息更利于發現不穩定斑塊的細微結構變化，識別出潛在急性冠脈事件。

本研究ROC曲線分析顯示，FAI和冠周脂肪影像組學預測模型均表現出較好的診斷能力，但后者的預測能力明顯優于前者。其主要原因是FAI作為度量僅代表平均體素強度值，而不考慮體素之間的空間關系，而影像組學則是對體素灰度強度的空間分布進行建模，并應用高階統計量來提供異質性的度量，因此可以更好地發現不穩定斑塊的潛在信息。

本研究仍存在一定的局限性：（1）研究樣本量偏小，今后將繼續收集病例進行外部驗證。（2）本次研究為回顧性分析，存在一定的選擇偏倚，未來將進行前瞻性研究。（3）手動方法勾畫二維ROI易受人為因素影響，未來可采用全自動三維方法提取影像組學特征。

綜上所述，基于CCTA的冠周脂肪影像組學在鑒別急性冠脈綜合征和穩定性冠心病中明顯優于FAI模型，具有更高的臨床價值，有助于及時、準確發現高?；颊?，為臨床采取干預措施提供依據，從而預防急性冠脈事件的發生，降低冠心病死亡率和致殘率。

[參考文獻]

[1] 中國心血管健康與疾病報告編寫組. 中國心血管健康與疾病報告2020概要［J］. 中國循環雜志，2021，36（6）：521-545.

[2] 胡一平. 急性冠狀動脈綜合征的診斷與治療新進展［J］. 心血管病學進展，2012，33（1）：131-134.

[3] 中華醫學會心血管病學分會介入心臟病學組，中華醫學會心血管病學分會動脈粥樣硬化與冠心病學組，中國醫師協會心血管內科醫師分會血栓防治專業委員會，等. 穩定性冠心病診斷與治療指南［J］. 中華心血管病雜志，2018，46（9）：680-694.

[4] LIBBY P，THEROUX P. Pathophysiology of coronary artery disease［J］. Circulation，2005，111（25）：3481-3488.

[5] ANTONOPOULOS A S，ANTONOPOULOS A S，SANNA F，et al. Detecting human coronary inflammation by imaging perivascular fat［J］. Sci Transl Med，2017，9（398）：eaal2658.

[6] CREWE C，AN Y A，SCHERER P E. The ominous triad of adipose tissue dysfunction： inflammation，fibrosis，and impaired angiogenesis［J］. J Clin Investig，2017，127（1）：74-82.

[7] KOLOSSV？魣RY M，KELLERMAYER M，MERKELY B，et al. Cardiac computed tomography radiomics： a comprehensive review on radiomic techniques［J］. J Thorac Imaging，2018，

33（1）：26-34.

[8] OIKONOMOU E K，WILLIAMS M C，KOTANIDIS C P，et al. A novel machine learning-derived radiotranscriptomic signature of perivascular fat improves cardiac risk prediction using coronary CT angiography［J］. Eur Heart J，2019，40（43）：3529-3543.

[9] 陶青，鄒偉婕，范艷芬，等. 冠狀動脈周圍脂肪直方圖參數鑒別急性冠狀動脈綜合征及穩定性冠心病的價值初探［J］. 中華放射學雜志，2020，54（3）：192-197.

[10] 國家心血管病專業質控中心心血管影像質控專家工作組，中華醫學會放射學分會心胸學組，《中華放射學雜志》心臟冠狀動脈多排CT臨床應用指南寫作專家組. 冠狀動脈CT血管成像的適用標準及診斷報告書寫規范［J］. 中華放射學雜志，2020，54（11）：1044-1055.

[11] KOO T K，LI M Y. A guideline of selecting and reporting intraclass correlation coefficients for reliability research［J］. J Chiropr Med，2016，15（2）：155-163.

[12] VERHAGEN S N，VISSEREN F L J. Perivascular adipose tissue as a cause of atherosclerosis［J］. Atherosclerosis，2011，214（1）：3-10.

[13] GOELLER M，ACHENBACH S，CADET S，et al. Pericoronary adipose tissue computed tomography attenuation and high-risk plaque characteristics in acute coronary syndrome compared with stable coronary artery disease［J］. JAMA Cardiol，2018，3（9）：858-863.

[收稿日期] 2023-02-17

（本文編輯 ? 王曉蘊）