基于胸部CT的HFrEF患者心外膜脂肪组织影像组学与容积特征分析：伴与不伴房颤的差异研究

本研究针对心衰伴射血分数降低(HFrEF)患者心外膜脂肪组织(EAT)的影像特征展开深入探索，通过胸部CT定量分析120例患者(60例HFrEF-AF和60例HFrEF)的EAT容积(EATV)和影像组学特征。研究发现HFrEF-AF组EATV(174.22±67.51 mL vs 137.21±58.03 mL)和EATV指数(102.68±39.56 mL/m2 vs 80.60±31.93 mL/m2)显著增高，并筛选出5个与心脏结构参数(LVEDD/RAVI)显著相关的影像组学特征，为理解HFrEF与房颤(AF)共病的病理机制提供了新型影像标志物。

　　

心血管疾病领域长期存在一个引人深思的"脂肪悖论"：同样是心外膜脂肪组织(EAT)，在房颤(AF)患者中表现为病理性增生，而在心力衰竭伴射血分数降低(HFrEF)患者中却呈现反常性减少。这种截然相反的变化模式暗示着EAT可能在不同心血管疾病中扮演着双重角色，但其背后的分子机制和临床意义始终是未解之谜。青海省心脑血管病专科医院的研究团队在《BMC Cardiovascular Disorders》发表的最新研究，通过创新性地结合容积分析和影像组学技术，首次系统揭示了HFrEF患者中伴与不伴AF的EAT特征差异，为破解这一科学难题提供了重要线索。

研究采用回顾性病例对照设计，从2023-2024年间连续纳入120例患者，通过非增强胸部CT扫描获取EAT数据。关键技术包括：1) 基于CT值(-190至-30 HU)的手动分割结合Mimics Medical 20.0软件三维重建计算EATV；2) 使用PyRadiomics提取107个影像组学特征；3) 应用Boruta算法进行特征筛选；4) 通过Mantel检验分析影像特征与心脏结构参数(LVEDD/RAVI等)的关联性。所有分析均采用5折交叉验证确保结果稳健性。

EAT比较

研究发现HFrEF-AF组的EATV(174.22±67.51 mL)和EATVI(102.68±39.56 mL/m²)显著高于HFrEF组(137.21±58.03 mL和80.60±31.93 mL/m²)，证实了EAT在不同疾病状态下的差异化积累模式。

特征选择

通过Boruta算法筛选出5个关键影像组学特征，包括original_gldm_GrayLevelNonUniformity（灰度非均匀性）和original_shape_VoxelVolume（体素体积）等。这些特征在测试集中展现出0.868的AUC值，成功区分两组患者。

心脏结构关联

Mantel检验揭示：在HFrEF组，original_shape_VoxelVolume与LVEDD（左心室舒张末期内径）显著相关；而在HFrEF-AF组，该特征则与RAVI（右心房容积指数）密切相关，提示EAT的影像特征可能反映不同的心脏重构模式。

这项研究首次系统描绘了HFrEF-AF患者独特的EAT表型特征：容积增大伴随特定的纹理异质性改变。更值得注意的是，影像组学特征与心脏结构的差异化关联模式（HFrEF中与LVEDD相关，HFrEF-AF中与RAVI相关）为理解两种疾病共存的病理机制提供了新视角。这些发现不仅证实EAT可能通过炎症因子（如TNF-α、IL-1β）和交感神经调控（如RGS-4）参与疾病进程，更重要的是建立了从影像特征到心脏重构的桥梁，为未来开发无创性预测工具奠定了理论基础。尽管存在单中心回顾性设计的局限性，但研究采用的交叉验证策略和严格的特征筛选方法确保了结果的可靠性，为心血管精准医疗提供了有价值的生物标志物候选集。