不用打造影剂也能读出冠脉炎症:非增强CT的FAI评分把零钙化人群的风险分层推进一步
冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量,而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数(FAI)的深度学习流程,该评分与造影版FAI预后表现相当,并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。
冠状动脉炎症此前只能从需要造影剂的冠脉CT血管成像中测量,而常规钙化评分用的是低剂量非增强CT。研究在多中心队列中训练并外部验证了一套从非增强CT计算冠脉周围脂肪衰减指数(FAI)的深度学习流程,该评分与造影版FAI预后表现相当,并在钙化评分为零的人群中把心血管死亡与主要不良心血管事件的风险进一步分开。
这篇由牛津大学团队撰写的综述系统梳理了冠周脂肪组织(PCAT)作为冠脉炎症生物传感器的解剖生理基础,说明标准化后的脂肪衰减指数(FAI Score)如何校正技术、解剖和生物学变异并用于预测 MACE,并汇总了人工智能自动分割与多参数风险建模的作用,以及他汀、抗 oxLDL 抗体、抗 TNF 生物制剂、放疗和卡格列净/GLP-1 类药物等干预后 FAI 下降的证据,指出 PCAT 成像有望补充传统危险因素和斑块指标,但当前证据仍在演进中。
这篇综述汇总了在因其他临床指征(常规胸部CT、肺癌筛查CT、PET/SPECT衰减校正CT)而进行的胸部CT上机会性识别和量化冠脉钙化(CAC)的证据,指出CAC在胸部CT上的汇总患病率为52%,与全因死亡(汇总相对风险2.13)和主要不良心血管事件(汇总相对风险2.61)独立相关,并综述了AI/机器学习自动评分、影像组学、光子计数CT以及CAC作为多系统生物标志物等新应用,同时指出目前尚无评估该策略临床影响的随机试验结果。
已读完全部报道