非缺血性心肌病心律失常风险分层：心脏磁共振成像的作用

《Current Cardiology Reports》：Arrhythmic Risk Stratification in Non-Ischaemic Cardiomyopathy: The Role of Cardiac Magnetic Resonance Imaging

　　

目的：本综述旨在评估心脏磁共振（cardiac magnetic resonance, CMR）成像在非缺血性心肌病患者心律失常风险分层中的当前及不断演进的作用，尤其聚焦于扩张型心肌病（dilated cardiomyopathy, DCM）和非扩张型左心室心肌病（non-dilated left ventricular cardiomyopathy, NDLVC）。本综述综合了关于晚期钆增强（late gadolinium enhancement, LGE）、参数映射、应变成像和人工智能（artificial intelligence, AI）的现有数据，并将其置于新兴遗传风险分层方法的背景下。

最新发现：左心室射血分数（left ventricular ejection fraction, LVEF）一直是基于指南的DCM患者心律失常风险分层的基石，尽管其精确性有限。观察性数据和荟萃分析已确立，通过LGE-CMR检测到的替代性纤维化的存在是室性心律失常（ventricular arrhythmias, VAs）和心源性猝死（sudden cardiac death, SCD）的有力独立预测因子。至关重要的是，LGE缺失可识别出低风险队列。近期许多关注点在于理解对瘢痕的更精确表征是否能进一步增强心律失常风险分层，例如通过瘢痕定量。尽管已有数据支持T₁映射在该队列中预测心律失常风险的潜在作用，但仍需进一步研究以支持其广泛采用。新兴的多模态方法利用人工智能和个体化计算“数字孪生”，是重要的关注领域，为影像、心电图和基因组数据层的整合提供了空间。

总结：尽管取得了显著进展，非缺血性心肌病的心律失常风险分层仍然具有挑战性。精确性的逐步提高伴随着从限制性的功能评估向整合性、以基质为驱动的精准模型的转变。CMR是这一演变的基石。

引言（Introduction）
非缺血性心肌病（NICM）是一组由心肌内在疾病引起的疾病，其共同基础是心源性猝死（SCD）风险，后者多由室性心律失常（VAs）导致。2023年欧洲心脏病学会（ESC）指南将心肌病表型分为五类；本综述聚焦于扩张型心肌病（DCM）和非扩张型左心室心肌病（NDLVC）。DCM患病率约为1/250，特征为左心室或双心室扩张伴收缩功能障碍；NDLVC则定义为存在非缺血性左心室瘢痕或脂肪替代，伴或不伴整体左心室运动功能减退，但无左心室扩张。尽管SCD率呈下降趋势，NICM中VAs和SCD风险仍显著。瘢痕相关宏观折返是VAs的病理生理基础；纤维化替代和间质胶原沉积形成缓慢传导区和功能阻滞，存活心肌束构成折返通道，因此表征致心律失常基质至关重要。

心血管磁共振参数与临床效用（Cardiovascular MRI Parameters and Clinical Utility）
晚期钆增强（Late Gadolinium Enhancement）
钆对比剂在坏死区域细胞外间隙滞留，表现为T₁加权反转恢复序列上的高信号，即替代性纤维化。大量观察数据显示，LGE的存在是DCM患者SCD和VAs的独立预测因子，荟萃分析显示其对VAs和SCD的相关性最强（HR 2.69）；无LGE患者长期风险极低。瘢痕定量方面，总纤维化质量＞10 g与复合终点风险增加9倍相关；LGE负荷≥7.5%也被提出为最强预测阈值。瘢痕位置方面，中壁LGE尤其基底间隔和侧壁受累显著增加风险；“环状”LGE模式与高VA负荷相关，但不伴LVEF降低。在轻度或恢复期DCM中LGE同样提示风险，且LVEF随时间动态变化，单次功能评估不能等同于SCD风险降低。

参数映射（Parametric Mapping）
LGE仅显示替代性纤维化，而T₁映射和细胞外容积（ECV）分数可评估间质性纤维化。Puntmann等发现天然T₁和ECV与死亡和心衰结局相关，其中天然T₁为独立预测因子。Chen等发现天然T₁每增加10 ms，心律失常终点风险增加1.4倍。Li等显示LGE、T₁和ECV联合可优化风险分层，且在LGE阴性患者中，天然T₁和ECV是心血管死亡的独立相关因素。Di Marco等提出ECV≥30%阈值与VA风险升高14.1倍相关，并可重新分类约32%患者；结合LGE、LVEF≤35%和ECV≥30%的模型C统计量为0.820–0.885。2025年荟萃分析证实ECV和天然T₁与主要不良心血管事件（MACE）和心律失常结局独立相关。天然T₁值受场强、序列影响，需在各自中心建立参考范围；ECV受这些因素影响较小。

左心室应变成像（Left Ventricular Strain Imaging）
应变成像通过心脏磁共振特征追踪（CMR-FT）评估心肌变形，全局纵向应变（GLS）反映心内膜下纵向纤维缩短。Romano等研究显示，GLS每绝对降低1%，全因死亡相对风险增加89%，但该研究未报告心律失常事件。在射血分数轻度降低的DCM患者中，GLS与SCD无显著关联，LGE是唯一预测因子。因此目前缺乏证据支持GLS在NICM心律失常风险分层中的直接效用；机制上GLS是收缩功能指标，而非致心律失常基质的直接测量。

人工智能（Artificial Intelligence）
AI、深度学习和机器学习正推动CMR分析向自动化、高通量发展。Lai等开发的多模态AI室性心律失常风险分层模型（MAARS）整合对比增强CMR、电子健康记录和连续心电图参数，在肥厚型心肌病（HCM）患者中受试者工作特征曲线下面积（AUROC）约0.89，优于现有指南，但尚需在DCM/NDLVC人群中验证。“数字孪生”是个体化在体计算机模型；O’Hara等利用LGE和T₁映射数据建立虚拟心脏模型，预测VA事件准确率为80.1%。未来将发展为“主动”数字孪生，整合可穿戴设备实时数据与基因组、影像数据，实现动态个体化风险画像。

遗传学的作用（Role of Genetics）
DCM中20%–30%为家族性，其中40%有明确单基因原因。与高恶性心律失常风险相关的基因包括LMNA、TMEM43、FLNC、DSP、DSG2、DSC2、PKP2、RBM20、PLN等。Escobar-Lopez等研究显示，携带高危基因型患者中近30%发生恶性VA，基因型和LGE均为独立预测因子。Stroeks等比较“表型优先”和“基因型优先”的聚类方法，发现基因型优先方法预测恶性VA等临床结局显著更优。遗传结构和CMR组织特征是同一心律失常风险谱的互补层面：基因型决定易感性，LGE决定结构平台。

局限性（Limitations）
CMR资源密集，常限于三级学术中心，存在地域差异。现有证据多来自观察性队列，缺乏以CMR参数指导ICD植入能否改善生存的大型随机对照试验。纤维化量化方法缺乏标准化，如手动视觉评分、半自动信号阈值法（FWHM、n-SD等），导致观察者间、软件间和厂商间差异，绝对定量切点难以跨机构统一应用。

未来方向（Future Directions）
未来方向不再单靠LVEF，而是直接显像致心律失常基质并整合多维数据。新兴技术如弥散张量心脏磁共振（DT-CMR）可评估心肌微观结构；现有研究显示DCM患者存在微结构异常，但预测SCD的效用尚未正式评估。正在进行的BRITISH试验（NCT05568069）纳入LVEF≤35%且LGE阳性的NICM患者，随机接受ICD或植入式循环记录仪（ILR）/心脏再同步化治疗起搏器（CRT-P），比较全因死亡率；CMR-GUIDE HF试验（NCT03993730）则将这一研究范式延伸至LVEF 36%–50%伴LGE的患者。

结论（Conclusions）
NICM心律失常风险分层正从功能评估转向基于基质的精准医学，CMR是核心手段。基因型特异数据与CMR成像的融合将结构重塑与遗传易感性结合为协同风险层。BRITISH和CMR-GUIDE HF等试验结果尚未揭晓，但现有证据表明，以CMR为中心的多参数整合方法是未来个体化SCD预防的方向。