Компьютерная томография коронарных артерий (КТ-коронарография) позволяет оценивать не только коронарные артерии, но и структуру миокарда. Однако эти данные пока редко используют для прогноза сердечно-сосудистых событий. Исследователи из Кембриджского университета проверили, может ли искусственный интеллект (ИИ) извлекать из КТ дополнительные признаки риска инфаркта миокарда (ИМ).
Авторы провели ретроспективный анализ исследования SCOT-HEART. В него вошли 1736 пациентов со стабильной болью в груди. Средний возраст составил 57,7 года, мужчины – 56,6% выборки. Медиана наблюдения достигла 8,6 года. За этот период фатальный или нефатальный ИМ произошел у 82 (4,7%) участников.
Для анализа использовали открытую модель глубокого обучения TotalSegmentator. Она автоматически выделяла миокард левого желудочка на КТ. Затем алгоритм PyRadiomics извлекал 105 радиомических признаков, по которым оценивали структурные особенности миокарда. Они описывали объем, структуру, плотность и особенности текстуры. Исследователи объединили признаки в шесть кластеров: глобальная вариабельность, локальная плотность, глобальная интенсивность, морфологическая структура, яркие области и локальная однородность.
Сначала ученые оценили традиционные факторы риска. В однофакторном анализе с ИМ ассоциировались:
При этом радиомические характеристики миокарда давали дополнительную прогностическую информацию. В однофакторном анализе 22 признака были связаны с будущим ИМ. После добавления радиомики к клинической модели, основанной на показателе сердечно-сосудистого риска, CAC и обструктивной ишемической болезни сердца прогностическая способность модели выросла: C-index увеличился с 0,693 до 0,722. Это указывает на улучшение способности модели различать пациентов с более высоким и более низким риском инфаркта.
Таким образом, ИИ-анализ КТ может добавить к оценке коронарного атеросклероза информацию о самом миокарде. Авторы предполагают, что такие радиомические признаки в будущем могут стать дополнительными биомаркерами для долгосрочной стратификации риска ИМ.
Однако для клинического применения метода требуется его дальнейшая проверка. Исследование имело небольшое число конечных событий. Кроме того, выборка была преимущественно однородной шотландской когортой, а число пациентов без традиционных факторов риска было ограничено.
Источник: Chen J, Sánchez LE, Dewey M et al. Prognostic value of AI-derived ventricular imaging phenotypes from cardiac CTA for long-term risk of myocardial infarction: analysis of SCOT-HEART trial. European Heart Journal – Cardiovascular Imaging, 2026: jeag252. https://doi.org/10.1093/ehjci/jeag252
