基于CCTA的冠周脂肪影像组学在鉴别急性冠脉综合征和稳定性冠心病中的价值

周慧 刘良卿 龚波 李红尧 潘靓 邢伟

[摘   要]   目的：探讨基于冠状动脉CT血管成像（coronary computed tomographic angiography，CCTA）的冠状动脉周围脂肪组织（pericoronary adipose tissue，PCAT）影像组学模型在鉴别急性冠状动脉综合征（acute coronary syndrome，ACS）和稳定性冠心病（stable coronary artery disease，SCAD）中的应用价值。方法：回顾性分析97例冠心病患者影像学资料及临床资料，分为ACS组48例和SCAD组49例。将狭窄冠状动脉周围脂肪组织设为感兴趣区（region of interest，ROI），提取出脂肪衰减指数（fat attenuation index，FAI）和脂肪影像组学特征。按照7∶3比例构建影像组学模型， 97例患者随机分为训练组67例和测试组30例。通过单因素相关系数分析、单因素Logistic回归分析以及最小绝对收缩与选择算子（LASSO）回归进行影像组学特征筛选并构建预测模型。采用受试者工作特征（receiver operating characteristic，ROC）曲线分析两种模型的诊断效能。结果：从基于CCTA检查勾画的冠周脂肪ROI的图像中获取788个影像组学特征，最终筛选出6个特征来构建冠周脂肪影像组学预测模型，基于提取的脂肪衰减指数构建FAI模型。冠周脂肪影像组学预测模型在训练组及测试组中曲线下面积（area under the curve，AUC）（0.881、0.884）均高于FAI模型的AUC（0.721）。冠周脂肪影像组学预测模型在测试组的准确度、敏感度、特异度分别为80.0%、66.7%、93.3%。结论：基于CCTA检查的冠周脂肪影像组学模型在鉴别急性冠脉综合征和稳定性冠心病中明显优于FAI模型，具有更高的应用价值，有助于及时、准确发现高危患者，为临床采取干预措施提供依据。

[关键词]   冠心病；脂肪组织；影像组学；脂肪衰减指数；鉴别诊断

[中图分类号]   R541.4 [文献标志码]   B [DOI]   10.19767/j.cnki.32-1412.2024.01.018

冠心病一般分為急性冠状动脉综合征（acute coronary syndrome，ACS）和稳定性冠心病（stable coronary artery disease，SCAD），其中ACS发病突然，更易诱发严重并发症，死亡率更高[1-3]。不稳定斑块的破裂是导致ACS发生的重要因素，需尽早识别和干预治疗。既往研究证实，冠状动脉血管内炎症在斑块形成和不稳定进展中起着举足轻重的作用[4]，冠状动脉周围脂肪衰减指数（fat attenuation index，FAI），即冠状动脉周围脂肪组织（pericoronary adipose tissue，PCAT）平均CT值可以反映这种炎性改变[5]。最新研究发现，血管纤维化和微血管重构也是脂肪组织功能障碍的两个重要因素[6]。目前影像组学衍生出脂肪影像组学特征这一新的成像生物标记物，可以客观反映感兴趣区（region of interest，ROI）的生理特征和潜在的病理特征[7-8]。有学者基于冠周脂肪直方图参数对ACS和SCAD进行鉴别，获得较好的临床价值[9]，但直方图参数只是影像组学特征中的一个指标，不能代表全部潜在信息，存在一定的局限性。本研究回顾性分析江苏大学附属武进医院2019年12月—2021年4月诊治的冠心病患者97例的临床和影像资料，提取FAI和冠周脂肪影像组学特征后构建预测模型，探讨两者的诊断效能，为临床及时发现高危患者，采取干预治疗提供更有效的参考依据。

1   资料与方法

1.1   一般资料   冠心病患者97例，分为ACS组48例和SCAD组49例。ACS组男性24例，女性24例，年龄48～87岁，平均67.5±1.59岁。SCAD组男性27例，女性22例，年龄41～87岁，平均66.9±1.41岁。ACS组纳入标准：（1）因急性冠状动脉事件入院；（2）冠状动脉CT血管成像（coronary computed tomographic angiography，CCTA）诊断为冠脉主干中、重度狭窄或闭塞[10]，且在72小时内行冠状动脉造影（coronary angiography，CAG）检查，二者结果符合。SCAD组纳入标准：（1）CCTA诊断为冠脉主干中、重度狭窄；（2）根据临床特点诊断为稳定性冠心病，包括慢性稳定性劳力型心绞痛、缺血性心肌病和急性冠状动脉综合征后稳定病程阶段[3]。排除标准：（1）冠状动脉起源或终止异常；（2）曾行心脏搭桥术或支架植入手术；（3）有心脏起搏器植入史或人工瓣膜置换手术史；（4）患有肿瘤及严重肝肾疾病。将2组患者按7∶3的比例随机分为训练组67例和测试组30例。

1.2   检查方法   采用炫速双源螺旋CT（西门子，德国）扫描，采用回顾性、前瞻性心电门控扫描或大螺距前瞻性FLASH扫描。扫描参数：重建层厚0.75 mm，重建层距0.5 mm，管电压120 kV，通过CARE Dose 4D低剂量技术自动电流调节。扫描范围：气管隆突下2 cm至心脏膈面下1 cm。利用Ulrich高压注射器经肘正中静脉快速注射非离子型对比剂优维显（浓度370 mgI/mL），注射速率为5.0 mL/s。

1.3   图像处理和ROI勾画   使用西门子Syngo.via云处理工作站进行图像后处理，采用容积再现（volume rendering，VR）、曲面重建（curved planar reformation，CPR）及最大密度投影（maximum intensity projection，MIP）3种方法确定病变部位、范围及狭窄程度，然后由2名医师分别使用ITK-SNAP软件（http：//www.itksnap.org）在CPR图像上选择狭窄程度最严重的层面勾画病变血管处的PCAT。勾画范围：在病变血管两旁脂肪组织内各画一平行于血管长轴走形的类矩形ROI，长径为病变血管长度，短径为病变血管直径的平均值。为去除非脂肪组织的影响，将ROI的CT值范围设置为-190～30 HU。ACS组选择病变血管进行勾画，SCAD组选择狭窄率≥50%的病变血管进行勾画，若为多发病变则选择狭窄程度最高的病变血管勾画。

1.4   影像特征提取和筛选   将原始CPR图像和已勾勒的ROI图像导入AK软件（Artificial Intelligence Kit Ver 3.2.0，GE公司）提取出788个影像组学参数，其中包含14个形状特征、18个一阶统计特征、68个纹理特征和688个小波变换特征。筛选出最终的特征集构建预测模型，并使用5折交叉验证检验模型的可靠性。

1.5   统计学处理   应用Rstudio 4.1.1软件进行统计分析。正态性检验采用Kolmogorov Smirnov检验，符合正态分布的计量资料以x±s表示，组间比较采用独立样本t检验；计数资料以频数和百分率表示，组间比较采用χ2检验。P＜0.05为差异具有统计学意义。ROI影像组学特征在观察者间的一致性采用组内相关系数（intraclass correlation coefficient，ICC）评估，ICC＞0.75为一致性较好[11]。预测模型的诊断效能采用受试者工作特征曲线（receiver operating characteristic curve，ROC）评估，并通过绘制校准曲线来检测预测模型的准确性。

2   结      果

2.1   两组患者基线资料比较   ACS组与SCAD组FAI值比较，差异有统计学意义（P<0.05），而两组性别、年龄、体质量指数（body mass index，BMI）、吸烟史、合并症、血脂水平比较，差异均无统计学意义（P>0.05）。见表1。

2.2   影像组学特征筛选和降维   2位影像学医师分别独立测量的ROI影像组学特征组间ICC值为 0.778～0.931，均>0.75，表明一致性较高。通过单因素相关系数分析去冗余后保留77个特征，然后采用单因素Logistic回归分析保留11个最具差异性的影像组学特征，继而使用LASSO回归进行降維处理，筛选权重不为0的特征（图1），最终得到6个影像组学特征并用于构建预测模型（表2）。影像组学得分（radiomics score，Rad-score）即是这6个特征的值与其对应的权重的乘积相加后再加上截距值。

2.3   预测模型的效能评估   根据FAI值获得的ROC曲线下面积（area under the curve，AUC）为0.721，而通过冠周脂肪影像组学特征得到的ROC曲线截距值为0.511，训练组AUC值为0.881，测试组AUC值为0.884（图2）。训练组准确度、敏感度、特异度、阳性预测值、阴性预测值分别为79.1%、75.8%、82.4%、80.6%、77.8%，测试组准确度、敏感度、特异度、阳性预测值、阴性预测值分别为80.0%、66.7%、93.3%、90.9%、73.7%（表3）。校准曲线显示，冠周脂肪影像组学预测模型在训练组及测试组均表现较好，与理想曲线走形较为一致（图3）。在获得的Rad-score瀑布图中，0以上代表模型识别为ACS组，0以下代表模型识别为SCAD组；蓝色柱状图为实际ACS组，红色柱状图为实际SCAD组（图4）。

3   讨      论

冠状动脉周围脂肪组织是与冠状动脉血管壁接触最为紧密的组织，与冠状动脉血管壁的信号传递呈双向性[12]。既往研究表明PCAT成像和量化可用于心血管疾病的风险分层[7]，但仅对PCAT一个或一类纹理特征进行分析，而本研究采用影像组学方法对PCAT进行定量和定性分析。与传统的阅片方式相比，影像组学极大增加了从图像中获取的信息，从感兴趣区域提取成百上千个人眼无法辨别的成像特征，从大数据中导出与临床特征或结果相关联的成像模式，为临床提供更有价值的诊断依据。

本研究发现，ACS与SCAD患者冠周脂肪FAI值的差异具有统计学意义（P<0.001），与GOELLER等[13]对PCAT平均CT值的研究结果一致，进一步验证FAI值可作为反映血管炎性改变的参考指征。另外，本研究采用CCTA技术对PCAT进行非侵入性影像学测量，筛选出6个最具价值的特征构建预测模型。发现这6个最重要的参数分别是基于几何形状特征、体素强度分布和小波变换后的影像组学特征，其中小波变换后的特征占5项。表明小波变换特征在鉴别急性冠脉综合征和稳定性冠心病中具有重要价值，可能与小波变换保留了更多的图像锐度和局部信息有关，这些信息更利于发现不稳定斑块的细微结构变化，识别出潜在急性冠脉事件。

本研究ROC曲线分析显示，FAI和冠周脂肪影像组学预测模型均表现出较好的诊断能力，但后者的预测能力明显优于前者。其主要原因是FAI作为度量仅代表平均体素强度值，而不考虑体素之间的空间关系，而影像组学则是对体素灰度强度的空间分布进行建模，并应用高阶统计量来提供异质性的度量，因此可以更好地发现不稳定斑块的潜在信息。

本研究仍存在一定的局限性：（1）研究样本量偏小，今后将继续收集病例进行外部验证。（2）本次研究为回顾性分析，存在一定的选择偏倚，未来将进行前瞻性研究。（3）手动方法勾画二维ROI易受人为因素影响，未来可采用全自动三维方法提取影像组学特征。

综上所述，基于CCTA的冠周脂肪影像组学在鉴别急性冠脉综合征和稳定性冠心病中明显优于FAI模型，具有更高的临床价值，有助于及时、准确发现高危患者，为临床采取干预措施提供依据，从而预防急性冠脉事件的发生，降低冠心病死亡率和致残率。

[参考文献]

[1] 中国心血管健康与疾病报告编写组. 中国心血管健康与疾病报告2020概要［J］. 中国循环杂志，2021，36（6）：521-545.

[2] 胡一平. 急性冠状动脉综合征的诊断与治疗新进展［J］. 心血管病学进展，2012，33（1）：131-134.

[3] 中华医学会心血管病学分会介入心脏病学组，中华医学会心血管病学分会动脉粥样硬化与冠心病学组，中国医师协会心血管内科医师分会血栓防治专业委员会，等. 稳定性冠心病诊断与治疗指南［J］. 中华心血管病杂志，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，鄒伟婕，范艳芬，等. 冠状动脉周围脂肪直方图参数鉴别急性冠状动脉综合征及稳定性冠心病的价值初探［J］. 中华放射学杂志，2020，54（3）：192-197.

[10] 国家心血管病专业质控中心心血管影像质控专家工作组，中华医学会放射学分会心胸学组，《中华放射学杂志》心脏冠状动脉多排CT临床应用指南写作专家组. 冠状动脉CT血管成像的适用标准及诊断报告书写规范［J］. 中华放射学杂志，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

（本文编辑   王晓蕴）