新型心血管磁共振应变异质性表型预测心血管事件：一项前瞻性英国生物样本库研究

《Journal of Cardiovascular Magnetic Resonance》：Novel cardiovascular magnetic resonance strain heterogeneity phenotypes predict cardiovascular events: A prospective UK Biobank study

本研究针对传统全局应变指标对早期区域性心脏病理改变敏感性不足的问题，通过分析60,746名UK Biobank参与者的CMR特征追踪数据，首次在人群水平系统评估了纵向(CoVLS)、圆周(CoVCS)和径向应变变异系数(CoVRS)的预后价值。结果显示，CoVCS和CoVRS能显著改善心力衰竭、心律失常和全因死亡的预测效能，尤其在LVEF<50%或合并多种并发症的个体中表现优异，为心脏功能异质性定量评估提供了新的生物标志物。

　　

在心血管疾病精准医疗时代，心脏功能的早期评估仍面临挑战。虽然左心室射血分数(LVEF)一直是临床评估心功能的金标准，但其对早期区域性功能异常的敏感性有限。近年来，心肌应变分析通过心血管磁共振(CMR)和超声心动图实现了心脏功能的量化评估，全球纵向应变(GLS)等指标已被证明能早于LVEF发现功能异常。然而，疾病对心脏的影响往往具有区域性特征，单纯依靠全局应变指标可能无法捕捉早期局灶性病变的信号。

为突破这一局限，发表在《Journal of Cardiovascular Magnetic Resonance》上的前瞻性研究，首次在大型人群队列中系统评估了新型应变异质性生物标志物的预后价值。研究人员假设，通过计算心肌节段应变的变异系数(CoV)，可以量化心脏收缩功能的异质性，从而提供超越传统指标的预测信息。

研究团队利用英国生物样本库(UK Biobank)中60,746名参与者的CMR数据，采用特征追踪技术推导出应变参数。研究计算了纵向、圆周和径向方向的全局应变(GLS、GCS、GRS)以及相应的应变变异系数(CoV_LS、CoV_CS、CoV_RS)。通过中位5.1年的随访，评估这些指标与心血管事件的相关性。

关键技术方法包括：基于CMR特征追踪的应变分析，使用美国心脏协会16节段左心室模型计算应变变异系数；严格的质控流程确保数据可靠性；Cox比例风险回归模型评估应变指标与事件的关联；通过C指数、净重分类改善等统计量评估预测性能提升。

3. RESULTS

3.1. Associations with prevalent CV risk and disease

健康参考队列的分析显示，应变异质性指标与心血管风险因素和疾病状态显著相关。高龄、男性以及存在吸烟、肥胖、高血压、糖尿病等危险因素的个体，表现出更高的应变异质性和更差的全局应变。心力衰竭患者的所有应变异质性指标均显著异常，表明这些指标对病理状态的敏感性。

3.2. Strain models of incident cardiac disease

3.2.1. Biomarker predictive strength

多变量调整分析显示，CoV_CS和CoV_RS是复合心血管终点、心力衰竭和心律失常的独立预测因子。每增加1个标准差，CoV_CS的HF风险增加20%，CoV_RS的风险增加21%。相比之下，GLS是整体最强的预测指标，特别是在保留LVEF的个体中。

3.2.2. Added prognostic value of biomarker

CoV_CS和CoV_RS显著改善了模型的判别能力，对HF的C指数改善达0.004(P<0.001)。这种增量价值在调整了区域性应变异常后仍然存在，表明其提供的是独立于已知异常的新信息。

3.3. Sensitivity analyses

亚组分析揭示了重要模式：在LVEF<50%的个体中，应变异质性指标的预测价值尤为突出；而在HFpEF高危人群中，CoV_CS和CoV_RS对HF的预测优于GLS。这些发现强调了应变异质性在不同临床场景下的差异化价值。

3.6. Kaplan-Meier cumulative hazards by strain tertiles and LVEF

生存分析直观展示了应变指标的预测性能。在LVEF保留的个体中，GLS表现出最佳的风险分层能力；而在LVEF降低的个体中，CoV_CS和CoV_RS显示出更清晰的风险区分度，特别是在HF和心律失常的预测方面。

研究结论强调，应变异质性生物标志物通过量化疾病区域性，对早期病理信号具有独特敏感性。CoV_CS和CoV_RS是显著、一致、具有附加价值的预测指标，在某些临床情境下甚至优于传统标志物。这一发现对于理解心脏疾病异质性病理生理机制具有重要意义，为个性化心血管风险评估提供了新工具。

研究的创新性在于首次在人群水平系统验证了应变异质性的预后价值，并明确了其在不同临床亚组中的差异化表现。随着机器学习辅助图像分析的普及，应变CoV指标有望快速转化为临床实践，推动心血管疾病风险评估进入新的精准医疗时代。未来需要在更多样化人群中验证这些发现，并探索其在超声心动图等更便捷模态中的应用潜力。