综述：心力衰竭中的左心室射血分数——一个应该被弃用的指标？ Inês Freire 和 Manuel Vaz da Silva

《Journal of Clinical Medicine》：Left Ventricular Ejection Fraction in Heart Failure—A Parameter to Be Discontinued? Inês Freire and Manuel Vaz da Silva

　　**摘要**
心力衰竭（HF）是一种多因素、异质性的综合征，具有显著的流行病学负担、高死亡率和对生活质量的影响。在心力衰竭的背景下，左心室射血分数（LVEF）被视为最重要的收缩功能标志物，在医学研究和临床实践中起着基础性作用。在过去的几十年中，LVEF一直是大多数临床试验的主要纳入标准。此外，国际心力衰竭指南依赖于LVEF来诊断心力衰竭并指导有效的治疗。我们对心力衰竭表型和预后的理解主要基于LVEF的分类。然而，关于LVEF在心力衰竭中的作用存在越来越多的争论。本文旨在讨论LVEF在心力衰竭中的优势及其当代相关性，以及其局限性和争议点。同时，本文还探讨了心力衰竭分类的潜在替代方案和未来方向，如新的分类方法、替代的收缩功能测量方法、成像技术、HLM评分以及人工智能和机器学习的应用。

**1. 引言**
根据多个心力衰竭协会制定的《心力衰竭通用定义和分类》[1]，心力衰竭被定义为“一种由结构性和/或功能性心脏异常引起，并通过升高的利钠肽水平和/或肺或全身充血的客观证据证实的临床症状和/或体征的临床综合征”。心力衰竭是一种复杂、进行性、多因素且异质性的综合征，以其高发病率和死亡率以及对生活质量的不利影响而闻名[2,3]。在21世纪，心力衰竭常被视为一种流行病[4]，估计成人人群中的患病率为1-2%[5]。由于心力衰竭及其相关并发症的治疗进展以及全球人口老龄化，心力衰竭的患病率有所增加[3]。另一方面，发病率随年龄增长而显著增加，但在过去几年中似乎趋于稳定，在工业化国家中有所下降[3]。尽管在管理和治疗这种疾病及其并发症方面取得了进步，心力衰竭的死亡率仍然很高，是导致住院的主要原因之一，尤其是在老年患者中[3]。如前所述，心力衰竭给全球医疗系统带来了巨大的经济负担，预计未来相关成本还将继续上升[3,5]。

LVEF被认为是心脏功能最重要的标志物，在心力衰竭的研究和临床实践中处于核心地位。在过去的几十年里，它在所有主要临床试验中都被作为纳入标准[6,7,8]。根据国际心力衰竭指南，诊断、表型分类、随访、预后和治疗也都基于LVEF的测量结果[9,10,11]。然而，近年来关于在心力衰竭分类中使用LVEF的争议日益增多。一些作者强调LVEF作为主要表型参数的局限性，并呼吁迫切需要对其进行替代[2,12,13]；而另一些作者则突出了基于LVEF所取得的全部知识，以及目前尚无共识的替代方案[6,8]。因此，本文旨在讨论LVEF在心力衰竭中的优势、重要性、局限性以及可能的替代方案和未来发展方向。

**2. 心力衰竭中左心室射血分数（LVEF）的起源和定义**
1962年，Folse和Braunwal使用放射性同位素技术确定了“每次心跳时喷射的左心室舒张末期容积的比例”，并证明这可以提供有关左心室功能的宝贵血流动力学信息[14]。随后，1966年，未来的精神病学家Stuart Bartle引入了“射血分数”这一术语，用来描述每搏输出量（SV）与左心室舒张末期容积（LVEDV）的比率[15]。这为LVEF在研究和临床实践中的应用铺平了道路[16]。LVEF以百分比表示，定义为每搏输出量（舒张末期容积与收缩末期容积之差）与舒张末期容积（EDV）的比率[17]。LVEF通常通过二维（2D）超声心动图计算，尽管也可以使用其他成像技术，如三维（3D）超声心动图、心脏磁共振（CMR）、计算机断层扫描（CT）和单光子发射计算机断层扫描（SPECT）[18]。该参数会随年龄和性别而变化（女性的正常范围通常高于男性）[19]。目前，关于LVEF的正常参考值尚未达成共识[20,21]。例如，美国超声心动图学会和欧洲心血管成像协会的建议是男性的正常值高于52%，女性高于54%[22]，而欧洲和美国指南则认为无论性别如何，正常值应为50%或以上[9,10,11]。需要注意的是，所报告的数值是指通过二维超声心动图获得的测量结果，不同的成像技术得出的参考值可能有所不同[23]。

**3. 心力衰竭中左心室射血分数（LVEF）的当前相关性和优势**
1992年，SOLVD试验的研究人员首次将LVEF作为临床试验的纳入标准[19,25]。此后，所有主要临床试验都采用了LVEF作为纳入标准，尽管用于入组的临界值有所不同[7,19,25]。一些主要将LVEF作为纳入标准的临床试验及其主要结果总结在图1和表1中。

**4. LVEF在心力衰竭分类中的潜在替代方案和未来方向**
2025年8月至2026年3月期间，在两个电子文献数据库（PubMed/MEDLINE和Web of Science）中进行了文献检索。初始检索词包括（但不限于）“心力衰竭”、“射血分数”、“左心室射血分数”、“分类”和“局限性”。审查了原始研究文章、国际指南、专家共识文件、叙述性综述和社论，并手动筛选相关文章的引用以找到更多相关内容。

**5. 结论**
LVEF作为心力衰竭研究中的核心指标，在诊断、分类、治疗和管理中发挥着关键作用。虽然本文主要讨论了LVEF的优势和相关性，但也探讨了其局限性以及可能的替代方案和未来发展方向。随着便携式超声心动设备的发展，LVEF测量现在可以在患者床边进行。然而，关于LVEF在心力衰竭分类中的角色仍存在争议。未来的研究可能需要探索新的分类方法、替代的收缩功能测量技术和成像技术，以及人工智能和机器学习的应用。由于这个原因，人们认为左心室射血分数（LVEF）的降低主要由左心室的几何结构和形态决定[42]。此外，LVEF被广泛用于根据不同病因和临床特征的表型对心力衰竭患者进行分类[6,43,44]。例如，对欧洲心脏病学会心力衰竭长期登记研究（一项包含9134名心力衰竭患者的前瞻性队列研究）[44]和基于瑞典心力衰竭登记研究（一项正在进行的全国性登记研究，包含42061名心力衰竭患者）[45]的分析显示，根据LVEF划分的临床特征结果相似。在这两项研究中，收缩性心力衰竭（HFrEF）患者年龄较小，男性占比较高，且更可能具有缺血性病因。相反，舒张性心力衰竭（HFpEF）患者年龄较大，女性占比较高，且更可能患有高血压、糖尿病或心房颤动[44,45]。 Moreover，LVEF因其预后价值而被广泛使用，尤其是在LVEF值较低时[18,37]。LVEF值较低的患者发生心血管死亡、住院和猝死的风险增加[19]。在一项使用来自六项先前心力衰竭随机对照试验的33,699名参与者数据集的最新研究中，结果显示大多数临床结果的发生率随着LVEF的下降而增加，在LVEF值降至40%到50%的范围后，LVEF的预后价值降低[46]。其他专注于LVEF随时间变化轨迹的研究也表明，LVEF的下降与较高的死亡率相关[47,48]。最后，指南指导的医学治疗将LVEF作为一个关键参数，以确定哪些患者可能从每种批准的治疗方法中受益[9,10,11]。这反映了过去几十年中指南建议基于使用LVEF作为纳入标准的随机临床试验的事实[28]。鉴于临床试验中使用的方法，将治疗施用于从LVEF表现中获益更大的患者群体对于将研究结果转化为日常临床实践至关重要[8]。出于所有这些原因，LVEF在心力衰竭的临床实践和研究中的重要性日益突出[4,28,36]。LVEF的主要优势总结在表2中。

虽然LVEF具有上述所有优势，但其使用也存在重要的局限性，特别是在关于其在心力衰竭中作用的持续讨论背景下[2,6,8,12,13]。如前所述，LVEF的突出地位主要源于其在临床试验中作为纳入标准的应用，尽管不同试验中的临界值差异很大[7,19,25]。然而，临床试验中LVEF临界值的定义是任意的，并非基于任何生理学差异[12,49]。实际上，使用较低的LVEF值是为了提高诊断的确定性，纳入预后较差的患者，并增加研究的统计效力[2,6,8]。此外，LVEF是一个连续变量[19,50]，具有正态分布[9,51]。最近的人群队列研究[44,52]以及之前的一项心力衰竭临床试验[53]都显示了这种单峰正态分布。在2005年至2010年间斯德哥尔摩的一项涉及9716名新诊断心力衰竭患者的人群队列研究中，无论是在整个研究人群中还是在按年龄和性别划分的亚组中都观察到了正态分布[52]。这与以往主要使用住院且心力衰竭失代偿患者数据的研究形成对比，那些研究报道LVEF呈双峰分布[54,55,56]。LVEF的一些最显著局限性包括观察者间和观察者内的变异性[40,51,52]。这种变异性通常被认为介于5%到8%之间[40,51]。在一项最新的人群队列研究中，显示个体内LVEF方差的标准差为7.4%[52]。另一个可能导致偏差并影响可重复性的因素是，检查者通常不了解患者之前的LVEF测量结果[52]。此外，不同测量方法之间存在显著的差异[40,51,57]。在一项多中心随机试验中，旨在确定通过超声心动图、门控单光子发射计算机断层扫描（SPECT）和心血管磁共振（CMR）测量的LVEF的差异时，大约一半患者的差异超过了5%。Bland–Altman分析显示不同成像技术之间的共识度仅为中等，范围在28.27%到35.31%之间，没有一种方法显著高估或低估LVEF[57]。此外，LVEF随时间呈现动态变化轨迹[47,48,52]。在一项评估心力衰竭患者LVEF轨迹的前瞻性研究中，在随访开始时、一年后以及之后每两年进行一次二维超声心动图检查。该研究表明，LVEF呈现倒U形模式：在最初一年显著增加，随后十年内保持稳定，之后逐渐下降（轨迹的p值<0.001）。大多数HFrEF患者仍处于同一类别（56%），但有一部分患者随时间转变为HFmrEF（21%）或HFpEF（23%）。相反，HFmrEF表现出明显的不稳定性，随访结束时患者分布在多个类别中[47]。另一项包括瑞典心力衰竭登记研究中4943名患者的分析显示，大约四分之一的HFrEF和HFmrEF患者的EF有所改善，而超过三分之一的HFpEF和HFmrEF患者的EF下降[48]。在最近的一项人群队列研究中，显示诊断后第一年内类别变化的概率很高[52]。值得注意的是，不到25%的HFmrEF患者在一年后仍然保持同一类别[52]。有多种因素调节这些双向转变，如病因、疾病持续时间、对治疗的依从性/反应以及其他合并症[1,39,47]。一些作者认为这种高时间变异性引发了关于使用LVEF指导治疗建议的适当性的担忧[12,52]。在这种情况下，另一个挑战是数字偏差[25]。数字偏差是指在视觉评估LVEF时倾向于将其四舍五入到最接近的5的倍数，而不是使用精确计算值[58]。这种偏差可能导致显著的不精确性，特别是考虑到HFmrEF的范围仅为10%[52,59]。一项使用欧洲心脏病学会（ESC）心力衰竭长期登记研究的数据表明，LVEF评估中的数字偏差相当显著，影响了约37%的评估对象[58]。由于观察者间和观察者内的变异性、随时间的动态变化轨迹以及前述的数字偏差，许多作者质疑使用HFmrEF作为一个独立表型的合理性，因为它范围狭窄、随时间变化大，并且没有基于明确的病理生理学机制定义[12,19,47,52,60]。LVEF的另一个局限性是左心室几何结构是其评估中的混杂因素[18,61]。这是因为LVEF的计算仅使用了腔内测量值，而没有考虑左心室的几何结构[62,63]。根据数学模型，即使在心肌收缩力下降的情况下，由于左心室壁厚度增加或左心室直径减小（导致舒张末期容积减少），LVEF仍可保持不变[61]。在肥厚型心肌病和HFpEF的同心重构情况下，尽管每搏输出量和收缩力下降，但由于左心室腔容积的减少，EF可能保持正常[13,64]。在这种情况下，即使收缩功能障碍和每搏输出量减少，LVEF也可能保持正常[64]。另一种可能影响LVEF的情况是耐力运动员的生理适应和左心室重构[23,40]。由于左心室扩大，这些运动员在静息状态下LVEF通常较低，尽管他们的每搏输出量正常[23,36]。然而，在运动过程中，由于血流动力学变化以满足增加的代谢需求，LVEF会升高[40]。这可能因为其与肥厚型、扩张型和致心律失常型右心室心肌病的特征重叠而成为诊断上的挑战，并可能使患有潜在心脏疾病的运动员的解读和诊断复杂化[65,66]。LVEF通常使用二维（2D）超声心动图进行计算，这种方法存在固有的局限性[18]。根据建议，应使用“双平面圆盘法”（也称为“改良的Simpson规则”[22]来评估LVEF。该公式基于左心室呈椭球形且结构规则的几何假设[18,40]，并根据2D图像估计3D容积[36]。然而，在缺血性心脏病患者中，左心室的几何结构常常发生扭曲[18,23]。2D超声心动图还受到图像质量[18,36,67]和声学窗口[4,18]的显著影响，后者可能受到肥胖、肺部疾病、胸壁畸形和乳房植入物等因素的限制[4]。这些限制可能导致左心室缩短，从而影响左心室容积的测量，进而影响LVEF[18,36]。另一个潜在的不准确性来源是心内膜边界的界定[36,68]，这可能受到图像质量[64]、操作者技术[39,51]、缺乏标准化[23]和乳头肌定义[51]的影响，所有这些都会改变左心室容积的估计[39]。即使使用半自动化描画技术，这些挑战依然存在，且标准化和可重复性也不一致[36]。另一个局限性是LVEF受 preload和afterload的显著影响[39,51,69]。例如，全身血压、肺静脉压力或动脉硬度的变化都可能导致LVEF的变化[39,51]。此外，LVEF还受心率和心室同步性的影响[4,12,64]。心动过缓可能会延长舒张期，增加左心室舒张末期容积[39]，从而导致LVEF的高估[51,64]。相反，心动过速会减少舒张期充盈时间和左心室舒张末期容积[39]，从而导致LVEF的低估[51,64]。在心房颤动（AF）的情况下，不规则的R-R间期也可能低估LVEF[64]。据报道，AF患者的LVEF逐搏变异性为5.8 ± 1.7%[70]。由于这种变异性，在AF患者中，LVEF应计算为15次心跳的平均值——这一过程在日常实践中很少实施[12]。异常的电传导，如左束支阻塞（LBBB）或装有心脏起搏器的患者，会导致心室不同步，进一步影响LVEF的可靠估计[4]。此外，LVEF还受瓣膜疾病的影响，这可能导致低估或高估，具体取决于瓣膜缺陷的类型[4,51]。二尖瓣反流的存在可能导致LVEF的高估[69]。这是由于反流导致的 preload减少，从而使LVEF增加[64]。相反，主动脉狭窄会导致afterload增加[64]，流出时间峰值延迟，从而导致LVEF降低[40,51]。LVEF的评估还可能受到其他系统性疾病的影响，如贫血、甲状腺功能障碍、内分泌疾病、感染和其他合并症[39,40,51]。药物和压力也可能影响LVEF[39]。同样，交感神经活动或迷走神经刺激也会影响LVEF的评估[39,40,51]。某些疾病还可能导致LVEF暂时性降低，随后恢复，例如心肌炎和应激性心肌病（Takotsubo综合征）[4]。尽管LVEF被广泛用作收缩功能的替代指标，但它并不是心肌收缩力的准确测量[12,13,18,41]。由于其数学定义，LVEF与EDV成反比相关，而EDV高度依赖于左心室的几何结构和重构[12,38,40,61]。因此，改变LVEDV的结构性变化会对LVEF产生强烈影响，使其成为评估重构的更好指标，而不是评估收缩功能的指标[13,17,39]。此外，由于LVEF高度依赖于preload和afterload[39,51,69]，正确解释LVEF需要了解左心室的负荷和容积[13,62]。另外，LVEF不包含任何与心肌相关的测量[23,41,63]，也不考虑纵向或扭转收缩[39,40,61]，以及区域性异常[51]。总之，LVEF是基于容积变化的整体射血性能的指标，而不是心肌收缩的直接测量[18,69,71]。此外，LVEF不是收缩功能障碍的早期标志[18,67]。左心室心肌分为内膜层和心外膜层，内膜层主要由纵向纤维组成，而心外膜层主要由环形纤维组成[67]。由于心内膜下纵向纤维特别容易受到缺血的影响，它们的功能障碍可以通过环向纤维来补偿，从而保持左心室射血分数（LVEF）正常[18,67]。然而，这种亚临床的收缩功能障碍可以通过其他技术检测出来，例如超声心动图应变成像[72]。另一个经常被指出的局限性是，基于射血分数（EF）的分类方法未能充分考虑到心力衰竭综合征的复杂性和异质性，尤其是在轻度心力衰竭（HFpEF）中[73,74]。这种分类方法忽略了具体的病因[38]以及重要合并症的存在[25]，而这两点对于治疗和预后都极为重要[16,25,38]。此外，LVEF无法区分收缩期和舒张期的功能障碍：在重度心力衰竭（HFrEF）中，舒张期功能障碍很常见，而在HFpEF中通常存在可以通过其他影像学技术识别的亚临床收缩功能障碍[18]。因此，正常的LVEF既不能排除也不能确认舒张期功能障碍[38]。此外，LVEF较高的心力衰竭并不是一种良性状况，因为一些研究报道这些患者的预后较差[32,33]，当LVEF≥70%时，调整后的死亡危险比（HR）为1.71[95% CI 1.64–1.77][32]。此外，在整个LVEF范围内，心力衰竭存在一些共同的病理生理机制，这挑战了传统的基于LVEF的分类方法[2,7]。这些共同机制包括内皮功能障碍、神经激素激活（尽管程度不同）、心肌细胞损伤、心肌纤维化和左心房功能障碍以及心室负荷过重[2,7,75]。LVEF的另一个局限性是它与患者症状之间的相关性较差[18,38]。尽管射血分数（EF）保持正常，HFpEF患者仍经常出现心力衰竭的症状，包括疲劳、呼吸困难以及运动耐受度下降[39]。此外，LVEF的预后价值有限[53,76,77]。大型临床试验如CHARM[53]和DIG[76]的数据一致显示，LVEF是预后的一个强预测因素，但仅限于射血分数在45%以下的范围内。在CHARM试验中，LVEF每下降10%，全因死亡率增加39%（HR 1.39；95% CI 1.32–1.46）；然而，超过这一阈值后，即使LVEF进一步下降，死亡率也相对稳定[53]。同样，DIG试验表明，在LVEF≤45%的患者中，死亡率随着LVEF的升高而几乎呈线性下降（LVEF < 15%：51.7%；LVEF 36%至45%：25.6%；p < 0.0001），而在LVEF > 45%的患者中，即使经过多变量调整，死亡率也相似（LVEF 46%至55%：HR 0.92，95% CI 0.77–1.10；LVEF > 55%：HR 0.88，95% CI 0.71–1.09）[76]。MAGGIC组（包含30项研究）的荟萃分析也得出了类似的结果，表明LVEF超过40%不再与死亡风险相关[77]。在一个基于人群的队列研究中，晚期HFpEF（43%的患者）的患病率与晚期HFrEF（42%的患者）相似，并且与不良预后和生存率相关，无论LVEF如何[78]。在一个大型临床队列（203,135名患者）中，调整后的死亡危险比（HR）与LVEF呈U形关系，LVEF在60–65%时风险最低，HR为1.71（95% CI 1.64–1.77），而LVEF在35–40%时HR为1.73（95% CI 1.66–1.80）。按年龄组和性别分析也得到了类似的结果[32]。然而，这些发现并非在所有研究中都一致。随后使用六项大型随机试验的数据的研究并未显示上述关系，也没有发现LVEF较高的患者预后更差[51]。多年来，LVEF用于区分哪些患者可以从神经激素抑制剂中获益（HFrEF）以及哪些患者不需要批准的改变疾病进程的治疗（HFpEF）[2,9,79]。然而，这种模式在最近几年发生了变化。先前的试验已经表明，钠-葡萄糖共转运体2（SGLT2）抑制剂对HFrEF的治疗有效[80]。最近，EMPEROR-Preserved试验[81]和DELIVER试验[82]分别证明了empagliflozin和dapagliflozin对HFmrEF和HFpEF的有效性。因此，SGLT2抑制剂现在适用于所有LVEF范围的心力衰竭[10,11]。更近期的FINEARTS-HF试验表明，非甾体盐皮质激素受体拮抗剂（MRA）finerenone也对HFmrEF和HFpEF有效[26,83]。因此，MRA可能对整个LVEF范围的心力衰竭都有益处，这一点在最近对主要MRA临床试验的荟萃分析中得到了证实[84]。此外，尽管存在定量差异，但在整个LVEF范围内都观察到了神经激素激活[2]。这导致一些作者建议无论LVEF如何都使用这些治疗方法[49]。值得注意的是，由于LVEF的变异性[40,51]和时间变化[47,48,52]，心力衰竭的错误分类也可能导致某些患者的延误和治疗不足[52,85]。LVEF的主要局限性总结在表3中。表3. 心力衰竭（HF）中左心室射血分数（LVEF）的局限性。相反，3D STE允许同时进行多平面分析，并能更好地评估心脏的旋转情况，但其分辨率低于2D STE [64]。全局纵向应变（GLS）代表了17-18个心肌段的平均纵向应变 [17,99]，它是在收缩期末通过心尖视图进行评估的 [36] [17]。鉴于位于心内膜下的纵向纤维区域最容易发生缺血 [18,61]，心内膜下功能障碍（通过GLS反映出来）通常会先于左心室射血分数（LVEF）的下降 [36,72,100]。在一项荟萃分析中，正常的GLS值范围为-15.9%至-22.1%，平均值为-19.7%（95%置信区间为-20.4%至-18.9%）[101]。GLS通常被认为在大约-20% ± 2%时是正常的 [22]，尽管尚未建立 universally适用的参考值 [51,98]。当GLS超过-16%时，通常被认为是心肌功能障碍的标志 [10,72]。使用GLS有几个优点，因为它可以检测亚临床的心室功能障碍，对心室几何形状的依赖性小于LVEF，提供时间和区域信息，并且比LVEF更具重复性 [17,64,99]。使用靶心图或极坐标图也有助于区分特定疾病的应变模式和区域差异 [64,72]。然而，GLS也有一些局限性，例如对图像质量和帧率的依赖性较高，不同设备之间存在差异，还可能受到心律失常和呼吸运动的影响 [17,64,72,102]。此外，它还受年龄、性别和血流动力学负荷的影响 [72,102]，并且可能需要更长的时间来进行图像处理 [17]。如今，心血管肿瘤学指南已经推荐使用GLS来评估无症状的心脏功能障碍，其中GLS相对于基线的相对减少超过15%被视为心脏毒性的标志 [98,103]。由于GLS是亚临床功能障碍的早期标志物，因此在心力衰竭（HFpEF）中特别有用 [61,72,100]。在TOPCAT试验的一项超声心动图亚研究中，52%的HFpEF患者表现出纵向应变受损 [100]。在另一项使用RELAX试验中HFpEF患者的类似亚研究中，65%的患者也显示出GLS受损 [104]。此外，在欧洲心脏病学会（ESC）心力衰竭协会（HFA）提出的诊断算法中，GLS也被认为是HFpEF诊断的一个次要超声心动图标准 [105]。此外，GLS比LVEF具有更强的预后预测能力 [99,100,106]。TOPCAT试验的超声心动图亚研究还表明，GLS受损与心血管死亡和心力衰竭住院独立相关 [100]。另外，一项回顾性研究表明，在超过五年的随访期内，GLS在预测全因死亡率方面优于LVEF，并提供了额外的预后信息，包括LVEF大于35%的患者 [99]。除此之外，在一项来自普通人群的大规模队列研究（哥本哈根城市心脏研究）中，较低的GLS与复合结局（新发心力衰竭、急性心肌梗死或心血管死亡）的风险显著增加相关（风险比HR为1.12 [1.08–1.17]，每降低1%的风险比增加p < 0.001），随访中位时间为11年。即使在校正了临床、超声心动图和分析变量后，这种关联仍然显著 [106]。在这种情况下，一些作者建议将GLS作为标准超声心动图的一部分，尤其是在HFpEF、B期HF、右心室功能障碍、心房颤动和心血管肿瘤学的情况下 [107]。另一个值得讨论的方面是特定层面的心肌应变，这被认为是STE中一个有前景的工具 [108,109]。特定层面的心肌应变旨在评估三个不同层面（心内膜、心肌中部和心外膜）的应变，以提供更全面的心肌变形评估 [109]。在健康个体中，特定层面的应变从心内膜向心外膜逐渐减小，也从左心室的尖端区域向基底逐渐减小 [109]。这种梯度可以通过心脏内心肌纤维的不同方向和分布来解释 [109]。由于许多疾病对心肌的影响是异质性的，这种特定层面的方法可能能够更早和更准确地检测到病理变化 [110]。多项研究表明，这种方法在几种情况下可以提供额外的价值 [109,110]，特别是在缺血性心脏病 [111,112]和心肌病 [113,114] 中。然而，目前还没有每个心肌层面的明确参考值，在这项技术能够常规应用于临床实践之前还需要进一步的研究 [109,110]。

5.5. 全局纵向主动应变能量密度（GLASED）另一种替代指标是2022年提出的GLASED（全球纵向主动应变能量密度）[63]。要理解这一概念，有必要回顾另一种指标——心肌主动应变能量密度（MASED），也称为“收缩力”[62,63]。MASED是从应力-应变曲线下的面积得出的 [115]，它量化了每单位心肌体积的能量产生 [62]，而不仅仅是体积输出 [63]。需要注意的是，“应力”衡量的是单位面积上的力，“应变”衡量的是变形 [62]。因此，这种测量结合了心肌应变和壁应力 [63]，以及左心室几何形状和后负荷 [62]。此外，它是从心肌力学得出的 [62]，而不是从管腔测量得出的。全局纵向主动应变能量密度（GLASED）是MASED的纵向形式，它量化了收缩期间每单位心肌体积所做的纵向机械功，单位为kJ/m3 [63]。GLASED的计算需要四个变量：收缩压、左心室壁厚度、左心室内径和全局纵向应变（GLS）[62,63]，这些变量本身也是独立的风险标志物 [62]。计算GLASED的数学公式在几篇文章中有详细描述 [115,116]，它接近于应力-应变曲线下的面积 [62]。可以从GLASED得出的另一个指标是全局纵向主动应变（GLASE）[63]，它代表左心室的总纵向功。这可以通过将GLASED乘以左心室肌肉体积来计算 [115]。虽然GLASED反映了心肌的完整性或功能障碍，但GLASE表明是否有足够的心肌质量来产生正常左心室功能所需的能量 [115]，因此是整体左心室功能的标志 [62]。类似地，也可以计算中间壁周向主动应变能量（CASE）及其密度（CASED）[63]。这些参数可以通过超声心动图或磁共振成像（CMR）获得 [62]。GLASED的主要优点是它在工程物理学中有坚实的理论基础，考虑了如左心室几何形状和后负荷等混杂因素，并且只需要四个测量值 [62,63]。它也可以应用于体内、体外和离体研究 [62,116]。因此，它被认为是一种更具信息量、全面性和整合性的方法，通过评估每单位心肌体积的能量产生来评估心肌功能和力学 [62]。然而，它也有几个局限性，例如使用经验和熟悉度有限，需要多次测量（可能会耗时），计算复杂，需要精确的几何测量（以避免传播误差），在心律失常情况下存在逐次心跳的变异性，以及缺乏标准化 [62,115]。为了促进GLASED在临床实践中的应用，已经开发了一个在线计算器 [62]。多项研究表明，即使LVEF正常，GLASED也能检测到心肌功能障碍，例如在心脏淀粉样变性和HFpEF的情况下 [63]。此外，GLASED可能在区分生理性和病理性肥大方面发挥作用 [62]。还有研究表明，GLASED的预后准确性高于LVEF [63,115]。在一项基于低风险社区的队列研究中（使用英国生物银行数据库），GLASED在预测全因死亡率和主要不良心血管事件方面优于传统的风险标志物。GLASED与全因死亡率和主要心血管事件显著相关，显示出最高的风险比、最佳的预后排名，并在三个分位数之间具有较高的风险区分能力（p ≤ 0.0003）[115]。

5.6. 其他成像技术

5.6.1. 心脏磁共振（CMR）心脏磁共振（CMR）成像被认为是LVEF测量的金标准，因为它具有高准确性和可重复性 [23,25,117]。CMR的优势还在于它不需要依赖几何假设来计算LVEF，这与超声心动图不同 [36]。此外，它还具有更好的空间和对比度分辨率 [23]。此外，CMR的使用还可以提供有关心肌组织特征的额外重要信息 [10,25,67]。晚期钆增强（LGE）可以检测和定位纤维化，区分缺血性和非缺血性病因 [10]。T1映射还可以全面评估心肌组织，区分炎症、水肿、纤维化、脂肪或淀粉样沉积和铁过载 [25,67]。因此，CMR成像技术在确定特定病因方面可以发挥重要作用 [10]。然而，由于其可用性有限、扫描时间较长和成本较高，这项技术在日常临床实践中难以实施 [25]。此外，CMR还有其他局限性，例如不适用于有幽闭恐惧症的患者或植入设备的患者（这些情况可能会限制CMR的使用或导致图像伪影），以及无法提供额外的血流动力学信息 [23,25]。

5.6.2. 三维（3D）和增强型超声心动图超声心动图在过去几年中不断发展，最近的技术，如三维（3D）和增强型超声心动图，也值得进一步讨论。与传统的二维超声心动图相比，三维超声心动图有几个优点 [36]。其中一个主要优点是，3D超声心动图在计算LVEF时不需要依赖几何假设，因为它可以进行实时容积重建 [22,25,36]。此外，它受左心室缩短的影响较小 [22]。多项研究还表明，与金标准CMR相比，3D超声心动图在LVEF评估方面具有更好的准确性和可重复性 [118,119]。然而，与二维超声心动图相比，3D超声心动图的空间和时间分辨率较低 [22,36]，采集时间也较长 [17]。另一方面，增强型超声心动图的主要目的是改进心内膜边界的界定 [22,25]，这是LVEF测量中的一个关键步骤 [36,68]。二维增强型超声心动图已被证明可以在图像质量不佳的情况下提高LVEF测量的准确性和可重复性 [118]，尤其是在这种情况下 [22,25,120]。

5.7. HLM评分2013年提出了一种新的心力衰竭（HF）分类方法，即HLM评分 [121]。这种分类系统受到肿瘤学中TNM分期的启发，旨在提供心衰的全面视图 [121,122]。它不仅关注症状或LVEF，还根据多系统受累情况对心衰进行分类，包括三个主要组成部分。首先，它评估“H”（心脏），反映心脏的结构和功能损伤程度（包括收缩期和舒张期功能障碍、既往的心肌梗死和左心室重塑），这类似于TNM分类中的“T”。然后，它评估“L”（肺部），即肺部受累情况，特别是充血程度和肺动脉高压。这与TNM分类中的淋巴系统受累“N”相似，因为两者在解剖和功能上密切相关。最后，它评估“M”（其他器官的功能障碍），包括肾功能（GFR < 60 mL/min）、肝功能（至少有一个肝指标AST、ALT、总胆红素、γ-谷氨酰转移酶或碱性磷酸酶升高到正常水平的两倍以上）、中枢神经系统或心理障碍（使用贝克抑郁量表、心脏抑郁量表和CT/MRI排除中风）、恶病质（过去一年内体重减轻超过5%无水肿）以及贫血（男性血红蛋白< 13 g/dL，女性< 12 g/dL）[121,123]。HLM分类在表4中进行了总结。这种分类的优势在于提供了全面的框架，整合了临床、分析和影像学参数，并强调了心力衰竭的潜在病理生理机制 [67,123]。它也可能成为系统化和结构化评估心力衰竭进展的有用工具 [121]。HLM分期的目的是避免对心力衰竭的简单化、以心脏为中心的观点，认识到多系统受累的重要性（通过多变量模型），从而改善心力衰竭的管理和预后 [67,69,122]。使用HLM分类，创建了HLM评分，其中“H”、“L”和“M”作为数值变量 [123]。该评分是通过Cox比例风险模型得出的系数线性组合计算得出的，然后乘以10并四舍五入到最接近的整数。因此，HLM评分 = 2H + 3L + 1M [123]。该HLM评分可以被划分为四个阶段（HLM-1至HLM-4）[123]。多项研究表明，HLM评分可以作为一个重要的预测工具 [122,123,124]。在一项多中心前瞻性队列研究中（包括1720名住院的心力衰竭患者），HLM评分在预测12个月随访时的全因死亡率和心力衰竭再住院方面，比NYHA分级、ACC/AHA分期和LVEF评估具有更高的预测价值 [122]。当将HLM评分与LVEF进行比较时，HLM评分显示出更高的预测准确性，其曲线下面积（AUC）为0.645，而LVEF为0.572，这一差异具有统计学显著性（p = 0.002）[122]。另一项研究显示，在缺血性心力衰竭患者中，HLM分期是心血管死亡（OR: 3.07；95% CI: 1.54–6.12；p = 0.001）和心血管死亡/心力衰竭再住院（OR: 2.45；95% CI: 1.43–4.21；p = 0.001）的独立预测因子 [123]。此外，在一项针对患有严重主动脉瓣狭窄或二尖瓣反流（适合进行经导管瓣膜介入治疗）的心力衰竭患者的研究中，HLM评分在预测再住院方面的准确性高于NYHA分级（6个月随访时HLM的AUC为0.799，NYHA为0.518），在心血管死亡率方面的准确性也更高（6个月随访时HLM的AUC为0.808，NYHA为0.522），12个月随访时结果相似 [124]。

5.8. 人工智能（AI）
人工智能（AI）、机器学习（ML）和深度学习（DL）在心脏成像中的应用日益增多，包括LVEF测量 [35,39]。一些比较AI算法与传统LVEF评估方法的研究表明，AI算法的准确性相当，且比专家手动评估的变异性更低 [125,126]。机器学习（ML）在确定患者预后方面也能发挥重要作用 [2,75]。在PACT-HF（以患者为中心的心力衰竭护理过渡）试验的一个子研究中，研究人员使用无监督的ML算法来确定临床表型，并研究了这些亚组与其临床结果之间的关系。根据合并症定义的六个亚组涵盖了广泛的LVEF范围。这些通过无监督ML生成的临床表型在预测选定临床结果方面（6个月和12个月随访时）比基于传统LVEF的分类更具预测价值 [75]。因此，这些依赖于未标记数据的无监督ML模型可能有助于改善表型分析，特别是在像心力衰竭伴有射血分数保留（HFpEF）这样的异质性群体中 [35]。

6. 结论
正如本文所讨论的，LVEF具有重要意义和公认的优势，同时也存在局限性和争议。虽然期望在可预见的未来替代LVEF是不现实的，但认识到其局限性对于实践基于证据的医学至关重要。此外，讨论潜在的替代方法对于采取更全面的方法来应对心力衰竭综合征的复杂性和细微差别也非常重要。一些讨论中的替代方法可能在心力衰竭的治疗中发挥重要的补充作用，并为仅基于LVEF的分类提供额外价值。在所讨论的替代方法中，心肌应变和GLASED似乎是评估收缩功能的特别有前景的候选指标。此外，在分期和预后方面，HLM评分也被认为是一个有价值的工具。未来的研究应该将这些参数与LVEF结合使用，以进一步评估它们的临床实用性，并生成更多证据支持它们在未来常规临床实践中的潜在应用。