APP下载

基于CCTA 的冠状动脉周围脂肪组织影像组学特征预测急性冠状动脉综合征

2021-10-22尚靳郭妍马跃侯阳

国际医学放射学杂志 2021年5期
关键词:冠心病特征模型

尚靳 郭妍 马跃 侯阳

冠状动脉疾病是全球范围内人类的主要死亡原因,而急性冠状动脉综合征(acute coronary syndrome,ACS)是其中常见的首发表现[1]。冠状动脉CT 血管成像 (coronary computed tomography angiography,CCTA)作为一种无创性成像模式,已经广泛应用于可疑冠心病病人的评估与诊断[2-3]。

管壁炎症是导致动脉粥样硬化斑块不稳定的主要因素,可促进冠状动脉粥样硬化的进展及破裂,从而诱发ACS 的发生[4]。在动脉粥样硬化形成过程中炎性血管壁以旁分泌形式向冠状动脉周围脂肪组织(pericoronary adipose tissue,PCAT)分泌多种促炎因子,导致PCAT 的水/脂比例失衡、前体脂肪细胞分化和脂质蓄积受抑制[5-6]。基于此,Antonopoulos等[7]提出了一种新型无创影像标志物,即血管周围脂肪密度指数(fat attenuation index,FAI),它通过评估PCAT 的CT 密度变化来量化由血管炎症引起的PCAT 组成成分的改变。FAI 是一种敏感的、能够动态反映冠状动脉炎症的生物标志物,并且是心脏不良事件的独立预测指标[7-8]。然而,PCAT 组成成分的变化不仅与血管炎症有关,而且与纤维化和微血管重塑导致的脂肪组织功能失调密切相关[9-10]。因此,单纯依靠CT 密度变化来反映PCAT 成分的变化,在一定程度上会导致检测PCAT 异常的敏感性受限。

影像组学是指从医学图像中提取数千个定量特征的过程,利用机器学习等计算机技术进行分析,筛选出有价值的影像特征,为临床提供辅助决策支持的研究手段[11-12]。影像组学最初主要应用于肿瘤学研究,近几年相关研究揭示了它在冠心病的诊断、对不良心血管事件的预测、监测疾病进展和评估预后方面具有一定的潜在应用价值[13-15]。……

登录APP查看全文

猜你喜欢

冠心病特征模型
一半模型
ADAMTs-1、 CF6、 CARP在冠心病合并慢性心力衰竭中的意义
茶、汁、饮治疗冠心病
重尾非线性自回归模型自加权M-估计的渐近分布
警惕冠心病
如何表达“特征”
不忠诚的四个特征
3D打印中的模型分割与打包
冠心病室性早搏的中医治疗探析
线性代数的应用特征