《Current Problems in Cardiology》：Predicting major adverse cardiac events using radiomics models on coronary computed tomography angiography: A systematic review and meta-analysis
编辑推荐：
心血管疾病风险分层研究：CCTA联合放射组学预测MACE的效能及异质性分析
作者：Jo?o Victor de Oliveira Ramos、Jo?o Vitor Andrade Fernandes、Marcelo Dantas Tavares de Melo
机构：巴西帕拉伊巴联邦大学医学科学中心，若昂佩索阿
摘要
引言
心血管疾病仍然是全球发病率和死亡率的主要原因，因此需要先进的诊断工具来进行风险分层。结合放射组学（一种从医学图像中提取定量特征的计算方法）的冠状动脉计算机断层扫描造影（CCTA）已成为预测接受CCTA检查以排查冠状动脉病变患者发生重大不良心脏事件（MACEs）的有前景的方法。
目的
本系统评价和荟萃分析旨在评估基于CCTA的放射组学模型在预测MACEs方面的诊断性能。
方法
我们全面检索了PubMed、Embase和Cochrane Central数据库中的相关文献。主要评估指标包括汇总的AUC（曲线下面积）、风险比（HRs）和C统计量。通过亚组分析探讨了不同放射组学特征（如冠状动脉周围脂肪组织[PCAT]）和患者群体的诊断性能。方法学质量采用METRICS工具进行评估。
结果
共分析了11项符合纳入标准的研究。基于放射组学的模型的汇总AUC为0.800（95% CI：0.732–0.868；I2 = 75.1%）。与非PCAT模型相比，基于PCAT的模型一致性较低（AUC：0.777，I2 = 80.7%）。亚组分析显示，冠状动脉疾病（CAD）患者的AUC为0.754，疑似/确诊CAD患者的AUC为0.901。单变量风险比为2.54（95% CI：2.00–3.24），多变量风险比为1.34（95% CI：1.04–1.72）。总体而言，METRICS总评分为70.32% ± 14.20%。
结论
基于放射组学的CCTA模型在预测MACEs方面表现出良好的性能，其性能差异与特征选择和患者群体有关。这些发现突显了放射组学在改进风险分层和指导个性化干预措施方面的潜力。
引言
心血管疾病仍是全球发病率和死亡率的首要原因，这持续推动了对于精确、无创诊断工具的需求，这些工具能够识别高风险患者并及时采取干预措施。目前的斑块特征分析模型在区分是否会经历不良心血管事件的患者方面效果有限或存在差异，因此需要新的先进成像技术来填补这一空白。冠状动脉计算机断层扫描造影（CCTA）已成为冠状动脉临床评估的基石，能够提供高分辨率的血管解剖结构和斑块特征可视化。近年来，放射组学这一从医学图像中提取和分析大量定量特征的计算方法在心血管成像领域得到了迅速发展。通过将标准成像数据转化为高维可挖掘的信息，放射组学有望揭示人眼难以察觉的细微病理生理模式。这些技术通常借助先进的机器学习算法，有望优化风险分层、改善预后并支持个性化患者管理。尽管关于CCTA中放射组学应用的文献日益增多，但报告的性能指标存在很大差异，这反映了成像协议、特征提取方法、研究人群和统计建模方法的差异。这种异质性给临床医生和研究人员评估这些模型的临床实用性带来了挑战。因此，对现有证据进行严格综合分析对于确定研究结果的一致性和普遍性、识别方法学缺陷以及指导未来研究方向至关重要。
协议与注册
本系统评价和荟萃分析遵循了《Cochrane系统评价干预措施手册》中规定的方法学框架，并遵循了PRISMA（系统评价和荟萃分析的优先报告项目）指南。相关研究已在国际系统评价前瞻性注册库（PROSPERO）中注册，注册号为CRD420251168455。
纳入标准
我们纳入了评估基于放射组学的……（原文此处内容缺失）
搜索结果
通过数据库搜索共识别出541条记录。经过筛选和全文审查后，有11项研究符合纳入标准并被纳入荟萃分析（见图1）。
研究描述与参与者
纳入的研究共涉及5996名参与者，研究发表时间介于2019年至2025年之间。这些研究涵盖了具有不同合并症（如冠状动脉疾病、高血压、心绞痛）的患者，并分析了多种放射组学特征。
讨论
本系统评价和荟萃分析综合了11项研究的证据，涉及近六千名参与者，评估了基于CCTA的放射组学模型在预测MACEs方面的性能。汇总AUC为0.800（95% CI 0.732–0.868），表明整体诊断准确性较高，但存在显著异质性（I2 = 75.1%）。亚组分析显示，基于冠状动脉周围脂肪组织（PCAT）的模型在诊断性能上存在差异。
结论
本系统评价和荟萃分析证实了基于CCTA的放射组学模型在预测MACEs方面的有效性。汇总AUC为0.800，表明放射组学在区分高风险患者方面具有潜力，这与斑块脆弱性和血管周围炎症的病理生理学机制相符。亚组分析进一步显示，基于PCAT的模型虽然因与炎症相关而在临床判断上更具直观性，但在诊断性能上存在差异。
声明与披露
本研究的数据可向通讯作者索取。作者声明没有利益冲突，并且在撰写和提交本手稿过程中未获得任何财务支持。
伦理批准与参与同意
本研究利用了先前已获得伦理批准的研究数据，因此无需另行进行伦理批准或获取参与者同意。
数据可用性
本手稿中的所有数据均来自已发表的文章，并在表格和图表中进行了适当引用。统计分析中使用的数据可通过联系通讯作者进行验证。
作者贡献
Jo?o Victor de Oliveira Ramos负责研究概念的制定、数据提取与分析、方法学质量评估、初稿撰写、结果可视化、审稿及手稿最终编辑。Jo?o Vitor Andrade Fernandes和Jo?o Victor de Oliveira Ramos参与了数据整理、结果可视化、初稿撰写、质量评估以及项目管理工作。
数据来源
本手稿中的所有数据均来自已发表的文章，并在表格和图表中进行了适当标注。统计分析中使用的数据可通过联系通讯作者进行验证。
伦理批准与参与同意
由于本研究基于已获得伦理批准的研究，因此无需再次进行伦理批准或获取参与者同意。
资金支持
本文章的撰写和发表未获得任何资金支持。
