三维左心房应变分析在房颤患者卒中风险评估中的创新应用：基于4D-CTA的局部与整体应变对比研究

本研究针对心房颤动（AF）患者卒中风险预测的临床挑战，创新性地利用四维计算机断层扫描血管成像（4D-CTA）和新型网格正则化子容积追踪技术（MRSVT），量化了左心房（LA）的三维全局与局部应变。研究发现，有卒中史的患者LA整体应变及顶部、后壁、底部局部应变显著降低，且后壁应变识别卒中史的准确率达89.58%。该研究为AF患者卒中风险分层提供了新的影像学生物标志物，具有重要的临床转化潜力。

　　

心房颤动（Atrial Fibrillation, AF）是最常见的心律失常类型，全球患者数量庞大且持续增长。这类患者面临的主要风险之一是心源性卒中，其病理机制与左心房（Left Atrium, LA）功能紊乱、血液淤滞及血栓形成密切相关。目前临床常用的卒中风险评估工具CHA_{22-VASc评分主要依赖临床病史和人口学特征，缺乏对心脏结构和功能的直接评估。近年来，心脏影像学技术的发展为AF患者的心脏功能评估提供了新视角，尤其是左心房应变（Strain）分析已成为评估心房肌收缩功能和预测血栓事件的前沿指标。然而，传统二维超声应变分析存在空间分辨率低、视角依赖等局限性，而基于四维计算机断层扫描血管成像（4D-CTA）的三维应变分析技术尚处于起步阶段，其在卒中风险评估中的价值亟待探索。}

为此，来自昆士兰科技大学、江苏省人民医院等机构的研究团队开展了一项创新性研究，旨在利用4D-CTA和自主研发的网格正则化子容积追踪（Mesh-Regularised Sub-Volume Tracking, MRSVT）方法，量化持续性AF患者的三维左心房全局及局部应变，并比较有无卒中史患者之间的差异。该研究论文已发表在《Journal of Biological Chemistry》上。

研究团队采用了多项先进技术方法开展本项研究。首先，他们利用基于nnU-Net的深度学习算法对4D-CTA图像进行全心脏自动分割，特别针对左心房及左心耳（Left Atrial Appendage, LAA）区域进行了精细标注。其次，采用自主研发的MRSVT方法计算左心房壁的三维位移和应变分布，该方法通过结合零均值归一化互相关（ZNCC）相似度量和网格正则化约束，实现了高精度的运动追踪。此外，研究还开发了自动化的左心房解剖分区算法，将左心房表面划分为前壁、侧壁、心耳、顶部、后壁、二尖瓣峡部、底部和间隔8个区域，确保区域应变分析的标准化和可重复性。研究纳入了22例持续性AF患者（11例有卒中史，11例无卒中史）的4D-CTA数据，所有患者来自江苏省人民医院2020-2022年间的连续队列。

研究结果方面，通过严格的统计分析，团队发现了多项重要结论：

在图像分割与运动追踪验证方面，nnU-Net在训练集和测试集上分别达到0.9421和0.9532的Dice分数，表明分割准确性高。MRSVT方法在体模和体内验证中与数字体积相关（DVC）方法高度一致（r>0.9），且双向计算误差小于1毫米，证实了其可靠性。

在人口学与心脏形态学数据方面，两组患者在年龄、性别、心室功能等常规参数上无显著差异，但有卒中史组的CHA₂DS₂-VASc评分显著较高（4 vs. 2, p=0.005），这与临床预期一致。

最重要的发现来自左心房应变分析：有卒中史的患者表现出显著降低的全局应变（0.090 vs. 0.101, p=0.006）以及局部应变，特别是在顶部（0.087 vs. 0.106, p=0.030）、后壁（0.055 vs. 0.072, p<0.001）和底部（0.083 vs. 0.097, p=0.022）区域。逻辑回归分析进一步显示，后壁应变识别既往卒中事件的准确率高达0.8958，表明其作为生物标志物的强大潜力。

研究结论与讨论部分强调，三维左心房应变（尤其是后壁应变）可能是识别持续性AF患者卒中风险的有效工具。这一发现与既往关于左心房纤维化分布的研究相呼应，已有组织学研究表明卒中患者的心房后壁和底部区域存在更显著的纤维化改变，这与应变降低的发现高度一致。此外，本研究首次将4D-CTA与MRSVT技术结合应用于AF患者的卒中风险评估，突破了传统超声的限制，提供了更高分辨率的三维应变分析。

尽管研究存在样本量有限、回顾性设计等局限性，但其方法学的创新性和结果的临床意义不容忽视。未来通过大样本前瞻性研究的验证，三维左心房应变分析有望成为AF患者卒中预防策略中的重要辅助工具，为个体化抗凝治疗提供影像学依据。