AI大放异彩:提前10年预测心血管疾病风险！

导 读:近几年，“人工智能”在医疗圈掀起了一阵浪潮，从识别罕见的遗传病，到预测糖尿病患者的早期并发症，再到转移性乳腺癌的诊断，AI表现得皆可圈可点。现在，AI再次发力，进军心血管领域，可提前10年预测心血管疾病尤其是冠状动脉粥样硬化性疾病风险。相关文章同步发表在《European Heart Journal》上。

对于合并心血管病危险因素的患者，尽管已经接受了二级或一级预防，但冠心病(CAD)依然高发。而作为评估CAD的金标准--冠状动脉CT血管造影（CCTA），其通常依赖于阻塞性病变或冠状动脉钙化的检测，通过X线下的动态显影评估冠状动脉病变情况。

虽能指导心血管危险度的分层并指导临床决策进行药物治疗，但仍然残留心血管病风险(通常指经现行标准的心血管疾病预防保健措施后已使低密度脂蛋白-胆固醇达标，控制住血压和血糖，但心血管疾病发病和事件风险依然存在)，比如CAD药物治疗的基石--他汀类药物的使用。

最近的一项荟萃分析汀试验表明，低密度脂蛋白-胆固醇（LDL-C）每减少1mmol/L (39mg/dL)可降低主要冠脉事件的相对风险达23%，但留下了心血管疾病残余风险——有研究表明，对他汀类药物治疗有抗药性的患者通常表现出快速的动脉粥样硬化进展。

动脉粥样硬化性心脏病相关危险因素评估

究其原因，冠脉血管炎症才是罪魁祸首，其抑制邻近血管周围脂肪的生成，影响相邻脂肪结构变化--纤维化和微血管重塑，最终导致动脉粥样硬化斑块形成。

因此，通过对冠状动脉炎症的定量测量，可以加强冠状动脉病变的危险预测和再分层能力，从根本上降低CAD风险。

血管周围脂肪衰减指数(FAI)作为一种新的成像生物标记物，通过在冠状动脉CT血管造影(CTA)上绘制血管周围脂肪衰减的空间变化图来捕捉冠状动脉炎症，高血管周围FAI值(截止值≥-70·1HU)是心脏死亡风险高的指标，可指导患者早期有针对性的一级预防和强化二级预防。

本次研究发现，冠状动脉壁及其血管周围脂肪组织（PVAT）以相互作用加速动脉粥样硬化的形成，而在CRISP-CT中使用计算机断层扫描进行的血管残余风险预测研究，在CCTA后开始服用阿司匹林和他汀类药物治疗的患者中，FAI的预后价值却明显降低。鉴于此，研究人员提出了一种新的人工智能驱动方法--人工智能（AI）动力成像生物标记物（FRP），通过分析冠状动脉PVAT的放射学特征来预测心脏风险，并在三个不同研究中获得的患者队列进行了实验验证。

本次研究的三个研究流程图

在研究1中，研究人员从167名接受心脏术后并伴炎症的患者获取脂肪组织进行活检，发现纤维化和血管分布的基因表达与从组织CT图像提取的放射学特征相关联: 脂肪组织小波变换的平均衰减（由FAI捕获）是描述组织炎症（TNFA表达）的最敏感的放射学特征，而放射学组织的特征与脂肪组织纤维化（COL1A1表达）和血管分布（CD31表达）有关。

在研究2中，研究人员分析了1391例冠状动脉PVAT放射学特征，这些患者在接受CCTA后又在5年内经历了重大不良心脏事件（MACE），然后在SCOT-HEART试验的1575名连续符合条件的参与者中测试了冠状动脉的FRP特征，不出意外，结果显著改善MACE的预测，且其敏感度显著超越传统的危险分层(危险因素，冠状动脉钙化评分，冠状动脉狭窄和CCTA的高风险斑块特征)（  Δ[C-统计] = 0.126，P <0.001）。

在研究3中，研究人员对44名急性心肌梗死患者进行FRP测试，结果同样显着高于对照组，但与FAI不同，6个月后该风险评估预测值仍保持高度敏感，这也证实FRP可检测到FAI未捕获的持续PVAT变化。

本次研究表明，FRP显著改善了CAD不良临床事件的风险预测，并将患有AMI（急性心肌梗死）的患者与患有稳定疾病的患者区分开来。

尽管FAI响应于急性冠状动脉炎症而动态变化，但FRP可捕获PVAT中更持久的结构变化并可进行更全面的风险分层。总体来说，FAI和FRP的组合有助于为每位患者开发更全面的个体化心脏风险评估， 通过FRP对PVAT进行放射学表征是一种新颖的评估和诊断方法，用于捕获冠状动脉周围的不良PVAT重塑及其相关的残余心脏风险，甚至可提前预测患者的CAD风险。

尽管FAI评估在心血管疾病风险评估方面取得了巨大的突破，但如何在一级预防中进一步识别和降低心血管疾病的风险，以及降低患心血管疾病却未得到最佳管理患者的未来事件发生率等一系列问题仍待解决，而如今FRP的问世带给我们以极大的信念。我们坚信，中国的血脂管理和心血管风险控制必将得到极大改善。（转化医学网360zhyx.com）

参考文献

Evangelos K Oikonomou,  Michelle C Williams, Christos P Kotanidis, A novel machine learning-derived radiotranscriptomic signature of perivascular fat improves cardiac risk prediction using coronary CT angiography