扩张型心肌病中晚期钆增强对时间依赖性预后改善的作用

《Journal of Cardiovascular Magnetic Resonance》：Time-dependent Prognostic Improvement by Late Gadolinium Enhancement in Dilated Cardiomyopathy

扩张型心肌病（DCM）患者中，现有心脏衰竭（HF）预后模型在DCM队列中的验证效果有限，但整合延迟钆剂增强（LGE）影像特征可提升长期死亡预测准确性。本研究单中心纳入524例DCM患者，验证了SHFM、GISSI-HF、MAGGIC、BIOSTAT-CHF和PREDICT-HF模型，并开发了LGE增强模型。结果显示，PREDICT-HF原始模型 Harrell’s C指数最高（0.73），而LGE增强模型在3-4年随访中显著改善C指数（ΔC 0.01-0.04），尤其在亚epicardial LGE和组合模式中风险增幅达2.62-4.07倍。决策曲线分析显示，LGE增强模型在10%-30%风险阈值下净获益提升0.01-0.03。研究证实LGE作为心肌纤维化标志物，对长期预后预测具有独立价值，但短期（1-2年）预测未受显著影响。

　　### 深度解读：晚期钆增强（LGE）在扩张型心肌病（DCM）患者心力衰竭（HF）预测模型中的应用价值

扩张型心肌病（Dilated Cardiomyopathy, DCM）是一种以心室扩大和收缩功能减退为特征的心肌疾病，是导致心力衰竭（Heart Failure, HF）的重要原因之一。根据世界卫生组织（WHO）和国际心脏病学联合会（ISFC）的定义，DCM占所有射血分数降低型心力衰竭（HFrEF）病例的30%。由于其高发病率和不良预后，DCM患者的心力衰竭风险评估和预后判断具有重要意义。然而，目前的心力衰竭预测模型主要基于临床变量构建，缺乏在DCM人群中的验证。因此，研究如何将影像学指标，特别是晚期钆增强（Late Gadolinium Enhancement, LGE）纳入现有模型，以提升其对DCM患者预后的预测能力，成为一个重要的课题。

#### 研究背景与意义

LGE是心脏磁共振成像（Cardiac Magnetic Resonance Imaging, CMR）中的一种重要影像学标志，常用于识别心肌纤维化。在DCM患者中，LGE不仅反映了心肌的病理改变，还与不良临床结局，如死亡和心脏移植，密切相关。近年来，越来越多的研究表明，结合LGE与传统临床指标可以显著提高风险分层的准确性。然而，这些研究多集中在LGE的某些特定特征，如是否存在LGE，而较少探讨LGE的部位和模式对预测能力的具体影响。此外，由于现有模型主要基于历史数据构建，可能无法准确反映当前临床实践的变化，例如更广泛使用的心衰治疗策略和设备治疗手段。

本研究旨在填补这一空白，通过验证现有五种HF预测模型在DCM人群中的适用性，并评估LGE在不同时间尺度下的预测价值，探索其对模型性能的提升潜力。研究团队来自中国四川大学华西医院，他们利用前瞻性临床注册数据，构建了一个涵盖524例DCM患者的队列，并通过外部验证和内部校准，评估了LGE在改善模型预测能力方面的价值。

#### 研究方法与数据来源

研究采用单中心队列设计，纳入了2012年6月至2020年8月期间接受心脏磁共振检查的住院DCM患者。研究排除了因缺血性心脏病、严重瓣膜疾病、高血压性心脏病等疾病导致的患者。所有患者均符合WHO/ISFC定义的DCM标准，包括左室舒张末期内径（LVEDd）大于55 mm和左室射血分数（LVEF）低于50%。研究团队对LGE的存在、位置和模式进行了详细分析，并将其与现有HF模型的临床变量结合，构建了三种LGE增强模型。

为了验证现有模型的预测能力，研究团队采用了五种经过广泛研究和验证的HF预测模型：Seattle Heart Failure Model（SHFM）、Gruppo Italiano per lo Studio della Streptochinasi nell'Infarto Miocardico-Heart Failure（GISSI-HF）、Meta-Analysis Global Group in Chronic Heart Failure（MAGGIC）、BIOlogy Study to TAilored Treatment in Chronic Heart Failure（BIOSTAT-CHF）以及PARADIGM Risk of Events and Death in the Contemporary Treatment of Heart Failure（PREDICT-HF）。这些模型分别使用不同的临床变量进行风险评估，例如年龄、性别、高血压、糖尿病、肾功能、BNP水平等。

研究通过Harrell’s C指数评估模型的区分能力，并采用时间依赖的C指数分析，以探讨LGE在不同随访时间点的预测价值。此外，研究还使用决策曲线分析（Decision Curve Analysis, DCA）来量化模型的临床净效益，评估其在实际临床应用中的价值。所有分析均基于临床数据和影像学数据，且对LGE的分类和评分方法进行了严格定义，以确保结果的准确性和可重复性。

#### 研究结果与发现

在524例DCM患者中，154例（29.4%）达到了复合终点（全因死亡或心脏移植），中位随访时间为47.6个月。研究结果显示，PREDICT-HF模型在整体区分能力方面表现最佳（Harrell’s C指数为0.73，95%置信区间为0.69-0.77），其次为SHFM（0.71，95% CI：0.67-0.75），而MAGGIC、GISSI-HF和BIOSTAT-CHF的区分能力相对较弱。在不同随访时间点（1年、2年、3年和4年），LGE增强模型的区分能力在3年和4年时显著提升，但在1年和2年时未见明显改善。这表明，LGE在长期预后预测中具有更高的价值，但在短期预测中作用有限。

具体而言，LGE的存在与死亡风险显著相关，其风险比（Hazard Ratio, HR）在1.39至1.77之间（所有P值均小于0.001）。LGE的位置也对预后产生影响，其中游离壁和室间隔同时受累的患者风险最高，HR在2.08至2.47之间。相比之下，仅室间隔受累的LGE与死亡风险的相关性不显著。LGE的模式同样对预后有显著影响，其中心外膜型LGE和混合型LGE与死亡风险的相关性最强，HR分别为2.62-4.07和1.99-2.53，而线性中层LGE则与死亡风险无显著关联。这些结果表明，LGE的存在和模式在长期预后评估中具有重要价值，但其短期预测作用有限。

此外，研究还进行了敏感性分析，评估了LVEF对模型预测能力的影响。结果显示，将LVEF纳入BIOSTAT-CHF模型后，其区分能力有所提高，但加入LGE后进一步提升。时间依赖分析表明，LGE在3年和4年的预测能力显著优于1年和2年。这说明，随着随访时间的延长，LGE的预测价值逐渐显现，可能与心肌纤维化的不可逆性有关。

#### LGE在DCM中的临床意义

LGE不仅是一种影像学标志，更是心肌纤维化的重要指标。心肌纤维化与心力衰竭的进展密切相关，且在DCM患者中尤为显著。不同的LGE模式可能反映了不同的病理机制。例如，室间隔中层LGE常与特发性DCM相关，而心外膜型LGE则与心肌炎或遗传性DCM有关。这种与病因的关联性，使得LGE在风险分层中具有独特的价值。此外，LGE的存在与心脏事件的发生率显著相关，其位置和模式的不同也会影响预后。

值得注意的是，尽管LGE在长期预测中表现出色，但在短期预测中作用有限。这可能与心肌纤维化的进展速度有关。许多DCM患者在1-2年内可能经历左室逆重构（LVRR），这是由于指南推荐的药物治疗和设备治疗（如植入式心脏复律除颤器，ICD）所致。然而，即使实现了LVRR，患者的心肌组织仍可能表现出异常，这提示心肌纤维化可能是不可逆的，因此在长期预后中具有更高的预测价值。

#### 研究局限与未来方向

尽管本研究为LGE在DCM患者风险评估中的应用提供了重要证据，但仍存在一些局限。首先，研究纳入的患者均为接受心脏磁共振检查的住院患者，可能存在选择偏倚，因为这些患者通常病情较重，预后较差。其次，研究团队仅根据临床记录确定病因，未进行全面的遗传检测，因此遗传性DCM的患者可能被低估。此外，研究中使用的LVEF来自磁共振成像，而非超声心动图，尽管磁共振成像的准确性更高，但其结果可能与文献中的超声心动图数据存在差异。再者，由于磁共振成像在诊断后进行，部分患者可能在疾病晚期才被纳入研究，这可能影响结果的代表性。

未来的研究可以进一步探索LGE与其他影像学指标（如心肌T1映射）的结合，以更全面地评估心肌的病理状态。此外，随着新型药物（如钠-葡萄糖协同转运蛋白2抑制剂和血管紧张素受体-脑啡肽酶抑制剂）的广泛应用，研究可以评估这些药物对LGE预测能力的影响。最后，多中心研究将有助于验证本研究的结论，并进一步探讨LGE在不同人群中的适用性。

#### 结论与展望

本研究证实，现有HF预测模型在DCM人群中的区分能力有限，但加入LGE后，其长期预后预测能力显著提高。这一发现为临床实践提供了新的思路，即通过整合影像学数据，可以更准确地评估DCM患者的预后。然而，LGE在短期预测中的作用较小，这提示在临床决策中，应根据患者的随访时间选择合适的预测工具。

未来的研究应关注如何优化现有模型，使其更适用于DCM人群，并探索LGE与其他生物标志物的联合应用。此外，随着医学技术的发展，新的影像学和生物标志物可能会进一步提升风险评估的准确性。因此，结合多模态数据的预测模型将成为心力衰竭管理的重要工具，有助于实现更精准的个体化治疗和长期预后管理。