综述：冠状动脉钙化临床应用：最新进展

《Current Problems in Cardiology》：Coronary Artery Calcium Clinical Utilization: An Update

冠状动脉钙化评分（CAC）作为评估亚临床动脉粥样硬化的有效工具，在风险分层和指导降脂治疗中具有重要价值。其量化方法包括Agatton法和非门控CT扫描，后者因AI辅助技术可应用于肺癌筛查等常规胸CT影像。临床指南推荐CAC用于 Intermediate风险人群（7.5%-20%）的进一步分层，尤其对老年人和糖尿病患者需个体化复查周期（3-7年）。但需注意CAC可能遗漏非钙化斑块，且不适用于<40岁健康人群的常规筛查。

　　

Ibrahim Mortada|Esosa Odigie-Okon|Afaq Motiwala|Joseph Allencherril|Abdul Qadeer|Diann Gaalema|Amer Abdulla|Thomas Blackwell|Hani Jneid

美国德克萨斯州加尔维斯顿市德克萨斯大学医学分院心血管医学系

摘要

冠状动脉疾病（CAD）仍然是全球范围内导致死亡和发病率的主要原因之一。冠状动脉钙化（CAC）是动脉粥样硬化负担的公认标志物，其量化可以客观地评估亚临床冠状动脉粥样硬化情况，从而优化心血管风险分层，并为调整风险因素和降低血脂的治疗提供依据。大量数据支持CAC评分作为风险精细化工具的作用，它已被纳入多项一级预防指南中。除了Agatston方法外，还可以使用非门控计算机断层扫描（CT）来量化CAC，这种扫描方法简单且广泛应用于非心脏筛查中，包括常规的肺癌筛查。将人工智能和自动化CAC评估集成到非门控研究中，进一步扩展了其在更广泛人群中的风险分层应用。本文总结了当前用于辅助风险分层、优化降脂治疗并可能改善患者预后的CAC相关工具、证据和指南。

引言

冠状动脉疾病（CAD）仍然是美国乃至全球的主要死亡原因之一¹。心血管疾病（CVD）的预防依赖于对个体风险的准确评估和实施适当的预防策略²。已经开发出多种多变量风险估算方法，这些方法结合了人口统计学特征和已知的风险因素，包括美国心脏病学会/美国心脏协会（ACC/AHA）的联合队列风险方程（PCE）³、AHA的心血管疾病事件预测（PREVENT）方程⁴、弗雷明汉风险评分（FRS）⁵以及欧洲心脏病学会的SCORE2模型⁶。这些评分中通常使用的变量包括年龄、性别、收缩压、吸烟情况、高血压、糖尿病和胆固醇水平。尽管这些方法被广泛使用，但它们提供的只是CVD风险的间接估计。相比之下，冠状动脉钙化（CAC）评分被认为是一种更直接的风险精细化工具，因为它能更准确地反映亚临床动脉粥样硬化的情况。此外，基于CAC的评估能够在传统风险因素的基础上进一步重新分类那些原本可能被归类为低风险的患者⁷。

CAC随着动脉粥样硬化斑块的进展而形成，据信其形成与平滑肌细胞的凋亡有关。这些钙化沉积物最初很小，范围从0.5到15微米，随后可能扩展成超过3毫米的较大片状钙化沉积。CAC主要积聚在冠状动脉的内膜层，但也可能延伸到血管壁的中层⁸。因此，CAC评分作为亚临床动脉粥样硬化的指标，其区分能力和风险重新分类效果优于其他CVD风险标志物（如高敏感性的C反应蛋白⁹）。

CAC的量化

动脉中的钙化程度反映了动脉粥样硬化的程度¹⁰。通过计算机断层扫描（CT）可以可靠地检测和测量CAC，这使得它成为筛查动脉粥样硬化性心血管疾病（ASCVD）的有效工具（图1）。Agatston方法是量化CAC评分（CACS）最常用的方法。该方法利用心电图（ECG）门控的CT扫描，并结合商用CT后处理软件来进行CAC的量化。

CAC与ASCVD事件的相关性

一项包含16项研究的综述显示，CAC在检测血管造影狭窄（直径狭窄≥50%）方面的敏感性和特异性分别为90.5%和49.2%²⁷。多项研究表明，CAC评分为零（通常称为“零值效应”）是低绝对风险患者的非常可靠的指标^{28, 29, 30}。一项涵盖超过85,000名患者的系统评价表明，无CAC与未来发生心血管事件的风险极低相关

临床指南：关于CAC检测和评分的建议

1总结了关于使用CAC评分的指南建议。2019年ACC/AHA的心血管疾病一级预防指南认为，对于预测风险处于中等水平（≥7.5%至<20%）的个体，以及部分预测风险处于临界水平（5%至<7.5%）的成人，CAC测量是一种有用的工具，有助于精细化ASCVD风险评估并指导预防性干预措施（如降脂治疗）。

在特定患者群体中作为增量风险评估工具的实用性

老年人：CAC评分也有助于老年人的风险重新分类。MESA研究的数据表明，CAC评分在区分老年人较低和较高的冠心病风险方面优于年龄因素⁴⁵。罗德特丹研究也得到了类似的结果，该研究跟踪了2,028名（平均年龄69.6 ± 6.2岁）参与者9.2年，结果显示CAC评分能够更准确地重新分类其中52%的中等风险组参与者⁴⁶。

人工智能及其他创新的作用

CAC评分正随着人工智能（AI）的整合而快速发展，这使其在风险分层中的应用更加广泛。传统上，CAC评分是在ECG门控的非对比CT扫描上进行的，但现在借助AI算法，即使在存在运动伪影和图像质量不佳的情况下，也能在非门控胸部CT扫描中实现CAC的检测和量化

局限性

尽管CAC评分具有很大的实用性，但它也存在一些局限性。由于CAC评分主要关注钙化斑块的识别，可能会忽略早期或未钙化的动脉粥样硬化斑块。这种忽视可能导致误导性的安全判断，因为缺乏钙化并不排除存在柔软、未钙化的斑块⁵⁷。实际上，一般不建议对非常年轻的无症状成人（尤其是40岁以下者）进行常规的CAC评分

重复CAC评分

对于基线CAC评分为0的患者，重复CAC评估的时间应根据其10年ASCVD风险进行个性化安排，仅当结果可能改变治疗方案时才进行。对于10年ASCVD风险较低（<5%）的个体，建议在5-7年后进行重复评估；对于中等风险（5-10%）的个体，建议在3-5年后进行；对于糖尿病患者，则建议在大约3年后进行。MESA的研究结果支持这种基于风险分层的重新筛查策略

结论

CAC评分是心血管风险管理的一项重要进展，它实现了更精确的风险分层和预防策略。CAC评分升高是心血管事件的重要预测指标，有助于指导风险评估和他汀类药物治疗的启动。持续的研究以及人工智能深度学习算法的整合，可以进一步提升CAC的临床应用价值，不仅限于Agatston评分，还能考虑CAC的体积、密度和分布等因素