多模态预测模型：精准预判高血压合并冠心病患者心血管风险

《La radiologia medica》：Multimodal prediction of major adverse cardiovascular events in hypertensive patients with coronary artery disease: integrating pericoronary fat radiomics, CT-FFR, and clinicoradiological features

为解决高血压合并冠心病患者主要不良心血管事件（MACE）预测难题，研究人员构建多模态预测模型，提升预测能力，意义重大。

　　### 高血压合并冠心病患者心血管风险预测的新突破
在全球范围内，心血管疾病犹如高悬的达摩克利斯之剑，时刻威胁着人类的健康，是导致死亡的首要原因。其中，冠心病（CAD）在成年人的主要不良心血管事件（MACE）中占比超过 50%，而高血压作为 CAD 的独立危险因素，二者常常如影随形。当高血压与 CAD 同时出现在患者身上，就如同给健康埋下了一颗 “定时炸弹”，极大地增加了心血管死亡风险。

以往传统的预测模型主要聚焦于单一疾病的风险评估，对于高血压和 CAD 之间复杂的相互作用缺乏足够的考量，这就好比用一把 “简陋的尺子” 去丈量复杂的世界，导致对合并风险的低估。而且，传统的冠状动脉 CT 血管造影（CCTA）在评估心血管风险时，过度依赖阻塞性病变或冠状动脉钙化的检测。然而，即便患者接受了最佳的药物治疗和全面的临床风险管理，仍有许多人面临着残留的心血管风险，MACE 依旧频频发生。同时，CT 空间分辨率的限制以及严重冠状动脉钙化带来的挑战，使得 CCTA 的阳性预测价值大打折扣，在风险分层和医疗干预方面存在诸多不确定性。

为了填补这一空白，德阳市人民医院的研究人员开展了一项极具意义的研究。他们的目标是开发并验证一种整合冠状动脉周围脂肪组织（PCAT）放射组学特征、CT 衍生的血流储备分数（CT-FFR）以及临床放射学特征的组合模型，以此提高对 MACE 的预测能力。该研究成果发表在《La radiologia medica》上，为心血管疾病的预测和防治开辟了新的道路。

在这项研究中，研究人员运用了多种关键技术方法。他们收集了 237 例确诊为高血压和 CAD 患者的 CCTA 数据，并按照 7:3 的比例随机分为训练队列和测试队列。在图像采集方面，使用双源 CT 扫描仪，严格遵循相关指南进行操作，确保图像的质量和准确性。在分析过程中，利用专业软件对 PCAT 进行分割和特征提取，通过多种特征选择方法筛选出最适合预测 MACE 的特征，再运用逻辑回归（LR）、随机森林（RF）和支持向量机（SVM）等方法构建预测模型，并对模型进行评估和验证。

下面让我们详细看看研究的结果：

• 基线模型的性能：研究涉及 237 例患者，训练队列和测试队列分别有 165 例和 72 例。训练队列和测试队列的 MACE 组与非 MACE 组在 FT₃、肌钙蛋白、受累节段、左前降支 FFR（LAD FFR）、左旋支 FFR（LCX FFR）和右冠状动脉 FFR（RCA FFR）等方面存在显著差异。单因素分析显示有 15 个临床放射学特征与 MACE 显著相关，但多因素分析未发现独立预测因子。最终，临床模型的输入特征为肌酸激酶同工酶 MB（CKMB）和肌钙蛋白，影像模型的输入特征包括高危斑块（HRP）、LAD FFR、RCA FFR、LCX 脂肪衰减指数（LCX FAI）、LCX 直径狭窄（LCX DS）和患者水平的直径狭窄（DS_patient）。影像模型在训练队列和测试队列中的曲线下面积（AUC）分别为 0.784 和 0.785，优于临床模型，而基于 LAD、LCX 和 RCA 建立的放射组学模型中，训练组的 LCXR 模型 AUC 较高，但测试组的准确性、敏感性和特异性较低。
• 组合模型的性能：放射组学模型包含 10 个与 MACE 显著相关的特征。临床 - 影像模型（Clinical.Imaging）在训练队列中的 AUC 相比影像模型有所提高（0.827 vs. 0.784，p = 0.004），但敏感性较差。放射组学 - 影像模型（Radiomics.Imaging）在训练队列和测试队列中的 AUC 均高于放射组学模型。组合模型（Radiomics.Clinical.Imaging）在训练队列和测试队列中展现出与 Radiomics.Imaging 模型相似的预测效率，但特异性、准确性和精密度显著更好，在训练队列中的预测效率明显优于临床 - 影像模型和放射组学模型。
• 组合预测模型的评估和验证：组合模型的校准曲线显示在训练队列和测试队列中预测与观察的 MACE 概率拟合良好，Hosmer-Lemeshow 检验的 p 值均大于 0.05，组合模型的 Brier 评分为 0.016。决策曲线表明预测模型具有临床适用性，组合模型在更广泛的阈值概率范围内具有最高的净效益。

在讨论部分，研究人员指出，他们建立的多参数模型在预测高血压合并 CAD 患者的 MACE 方面表现卓越。传统预测模型在预测 MACE 时效率较低，而 PCAT 的放射组学特征为预测提供了新的视角。虽然研究存在一定的局限性，如未在病变水平评估 PCAT、未排除严重钙化病变、样本量有限无法进行亚组分析等，但这一组合预测模型依然具有重要的补充价值，为临床医生提供了更强大的工具，有助于对 MACE 高风险个体进行早期干预和积极的二级预防，有望改善患者的临床结局。未来，还需要更大规模、更多中心的研究来进一步验证这一模型，推动心血管疾病预测和防治领域的发展。<