利用全自动全局纵向和周向应变技术预测接受应激心脏磁共振成像（Stress CMR）检查患者的心血管事件

心肌缺血的应变成像联合传统预后指标对预测主要不良心血管事件的增量价值。研究纳入2016-2018年2778例冠心病患者，采用自动化机器学习获取静息期GLS和应激期GCS，随访5.2年发现两者均独立预测MACE（HR 1.09和1.08），联合应用显著提升C-index（+0.02）和净重分类改善（15.6%）。

　　

摘要

背景：

应激灌注心血管磁共振（CMR）被广泛用于检测心肌缺血，主要通过视觉评估来实现。最近的研究表明，在静息状态和应激状态下进行应变成像也有助于对患者进行预后分层。然而，将静息和应激应变成像结合使用的额外预后价值尚未得到充分证实。本研究探讨了将这些应变测量结果与传统的风险预测指标及CMR发现相结合，用于预测接受应激CMR检查的连续患者群体中主要不良临床事件（MACE）的增量预测效果。

方法：

这项回顾性、单中心观察性研究纳入了2016年至2018年间所有因已知或疑似冠状动脉疾病而接受应激CMR检查的连续患者。研究使用全自动机器学习技术获取静息状态下的全局纵向应变（rest-GLS）和应激状态下的全局周向应变（stress-GCS）。主要结局指标为MACE，包括心血管死亡或因心力衰竭住院。Cox模型被用来评估将这些应变特征与传统的预后预测指标相结合的增量预后价值。

结果：

在2778名患者（平均年龄65±12岁，68%为男性）中，96%的患者完成了全自动的静息-GLS和应激-GCS测量。中位随访时间为5.2年（4.8–5.5年），共有316名（11.1%）患者发生了MACE。在调整了传统预后预测指标后，静息-GLS（风险比1.09 [95% CI, 1.05–1.13]；P<0.001）和应激-GCS（风险比1.08 [95% CI, 1.03–1.12]；P<0.001）均与MACE独立相关。预测MACE的最佳临界值为静息-GLS和应激-GCS均大于-10%，其C指数提高了0.02，连续净重分类改善率为15.6%，综合判别指数为2.2%（所有P<0.001）。

结论：

将静息-GLS和应激-GCS结合使用，临界值设为大于-10%，在预测接受应激CMR检查患者的MACE方面，其预后价值优于传统的预测指标（包括CMR参数）。

图形摘要

在浏览器中打开