心血管影像为冠心病诊断提供可靠依据

    今年7月，国家心血管病中心发布的《中国心血管健康与疾病报告2020》指出，近年来，我国心血管病发病率持续增高，报告推算心血管疾病现患病人数达3.3亿，且发病率处于持续上升阶段，心血管疾病给居民和社会带来的经济负担日渐加重。该报告数据还显示，心血管疾病位列我国城乡居民疾病死因之首，每5例死亡中就有2例死于心血管疾病。心血管疾病的及时准确诊断，对于患者意义重大。本文主要围绕冠心病诊断，介绍心血管疾病诊疗中用到的主要影像诊断方式及其原理。
    ICA和CTA普及率较高
    动脉粥样硬化是粥样斑块沉积在血管壁并造成动脉狭窄的疾病。冠状动脉粥样硬化的早期通常没有症状，严重时可能造成心肌缺血、缺氧、坏死而导致冠状动脉疾病，即冠心病。目前，诊断冠心病最有效的手段是影像学检查，包括有创冠状动脉造影（ICA）、冠状动脉CT血管成像（CTA）、心脏磁共振成像检查（CMR）、核素心肌灌注显像、超声心动图、光学相干断层成像（OCT）等方法。
    冠状动脉造影检查是将造影剂注入冠状动脉后，利用计算机记录造影剂扩散过程中的图像变化，并从解剖学角度判断冠状动脉病变信息。
    冠状动脉CT血管成像可以直观地显示冠状动脉狭窄和斑块情况。在CT血管成像过程中，对比剂被注射入血管，血管图像经过计算机处理后，可以三维立体地重建出血管系统，CT血管成像可以同时显示血管腔内、腔外和管壁病变，既可实现大范围血管成像又可实现小血管小分支的精细显像，甚至可以实现运动着的器官如心脏的血管成像。
    心脏磁共振成像检查是一种评估心血管系统功能与结构的非侵入式医学成像技术。它运用磁共振成像基本原理，利用心电门控技术，把数据采集的时间控制在心脏跳动周期的某一时段之内。
    核素心肌灌注显像是一种无创技术，它通过心肌细胞摄取核素而使心肌显影，心肌每个部位放射性核素聚集的量与该部位冠状动脉灌注血液量呈正相关，从而可以用于分析冠状动脉的血流情况。
    超声心动图利用的是超声短波测距原理，脉冲超声波透过胸壁、软组织测量心壁、心室及瓣膜等结构的周期性活动，记录各结构相应活动与时间之间的关系曲线，从而评价心脏结构及功能的异常。
    光学相干断层成像是一种低损、高分辨、非侵入式的医学成像技术。其原理类似于超声成像，不同之处是它利用的是光，而不是声波。这种技术能够获取组织的高分辨率横断层图像，并能够识别脂质斑块、纤维斑块、钙化斑块、易损斑块、血栓、夹层等一些通过造影和其他检查工具无法或不能清晰地看到的血管病理改变。
    2020年，国家心血管病专业质控中心心血管影像质控专家工作组发布《中国心血管影像技术应用现状调查与医疗质量报告》。研究人员对全国155家医院的心血管影像检查技术使用情况进行了调查调研，调查的心血管影像检查技术包括冠状动脉造影、冠状动脉CT血管成像、心脏磁共振成像、负荷超声心动图、SPECT/ PET心肌灌注。统计数据显示， 155家医院中，开展冠状动脉造影的有102家（占65.8%），开展冠状动脉CT血管成像的有100家（占64.5%），开展心脏磁共振成像检查的有21家（占13.5%），开展负荷超声心动图的有14家（占9.0%），开展SPECT/PET心肌灌注的有20家（12.9%）。
    从该报告可以看出，冠状动脉造影和冠状动脉CT血管成像的普及率最高，已经在大部分三级医院中普及应用，其他的影像技术则相对应用较少。冠状动脉造影是有创检查，目前是冠心病诊断的“金标准”，在我国是最常用的心血管疾病诊断技术。而冠状动脉CT血管成像技术正在迅速发展，已经逐步成为冠心病诊断的“主力军”。
    CT-FFR诊断优势多
    冠状动脉造影与冠状动脉CT血管成像是目前冠心病早期诊断的主要工具，这两种方法更多地从影像学角度评价冠状动脉狭窄，但不能从生理功能上提供有效信息，比如心肌是否因为血管狭窄存在缺血情况等。在生理功能评价上，临床主要通过冠状动脉血流储备分数（FFR）这一指标来进行诊断。FFR是指冠状动脉存在狭窄病变时，该区域最大血流量与不存在狭窄病变时所能获得的最大血流量之比。
    由于传统FFR检测基于有创冠状动脉造影，需要通过专用的压力导丝测量冠状动脉病变远近端压力差来进行计算，增加了手术步骤、时间和费用，目前并不是所有患者都能常规使用。因此，目前FFR检测在我国的应用率并不高。
    近年来，基于冠状动脉CT血管成像的血流储备分数（CT-FFR）检测成为评估冠状动脉生理功能的一项新技术，它能够提供解剖学及更多的功能信息，且患者无需经过有创手术，也无需服用额外药物与接受额外的射线。
    CT-FFR技术结合了计算流体力学与深度学习算法，以静态冠状动脉CT血管成像数据为基础，采用流体力学计算建立3D血流模型，模拟血管最大充血状态，进而计算出该模型在此状态下的血流与压力，获得的计算FFR数值与实测有创FFR数值接近。
    对基础CT血管图像的处理和运算过程包括图像分割和冠脉树的提取、左心室质量的估算、心脏与血管交互关系评价、微循环阻力估算、血液生理状态估算、充血状态估算、计算流体力学评价等。
    在计算流体力学方法中，首先通过整理CT血管成像测得的各血管正常管腔横截面积及病变部分的管腔横截面积等数据，建立出三维冠状动脉血管树模型。冠状动脉的血流和阻力可利用血管树模型中血管直径及对应心肌质量等数据计算出来。利用同样的计算方法，最大血流（充血）状态时的血流、阻力、压力等数据也可得到。这种血流计算方法是非常复杂的数学模型和方程，需要测量数百万个数据，因此对计算机性能要求很高，所需时间也较长，这也是限制其临床应用的主要因素之一。
    深度学习的人工智能程序利用多层神经网络技术，对已有的通过冠状动脉造影获得的血流动力学数据库进行深度学习与训练，提取与血流动力学相关的必要形态特征，掌握冠状动脉血管树的形态特征和对应血流动力学参数之间的联系和规律。学习和训练完成后，输入测得的解剖形态数据，人工智能就可以很快地推算出相应的血流动力学参数，得到FFR数值。
    目前，全球有多家公司正基于机器深度学习的计算方法研发软件，国外企业如德国西门子公司（产品为cFFR软件）、美国HeartFlow等，国内企业如科亚医疗（产品为深脉分数）、睿心医疗（产品为睿心分数）等，HeartFlow则是早期投入研发无创FFR技术的头部公司。

（摘自中国医药报）