Evaluering af CTCA i vurdering af plakpatologi og fysiologi

STUDERE DESIGN

1. Patentrekruttering Halvfjerds patienter med typiske anginasymptomer, som havde elektiv koronar angiografi, der viste mindst én kompleks (dvs. bifurkationslæsion, lang læsion, forkalket læsion) obstruktiv læsion (>70 % diameter stenose på koronar angiografi eller en fraktionel flowreserve <0,80) som anses for egnet til perkutan koronar intervention (PCI) under IVUS-vejledning vil blive inkluderet i undersøgelsen. Eksklusionskriterier er: 1) alder >75 år, 2) ACS inden for <3 måneder, 2) eGFR <60ml/min/1,73m², 3) tidligere koronar bypass-operation, 3) dekompenseret hjertesvigt eller venstre ventrikulær ejektionsfraktion ≤30 %, 4) intravenøs kontrastallergi eller manglende evne til at modtage behandling med aspirin, heparin eller thienopyridiner, 5) forventet levetid <1 år, 6) historie med hjertetransplantation, 7) patient, der kræver kirurgisk revaskularisering, og 8) omfattende koronararteriesygdom (dvs. multiple kroniske totale okklusioner) eller snoet koronar anatomi, der ikke tillader vurdering af koronararterierne med NIRS-IVUS billeddannelse. De rekrutterede patienter vil give informeret samtykke og gennemgå CTCA-billeddannelse ved hjælp af en dedikeret 3. generations CT dual-source scanner (Siemens Force). De første 4 måneder af undersøgelsens indsats vil blive gjort for at optimere billedoptagelsesprotokoller, således at de opnåede CTCA-data er egnede til automatiseret segmentering. Effektive billedmatrixer vil blive brugt til at forbedre rumlig opløsning i planet, og skarpere rekonstruktionskerner og iterative rekonstruktionsalgoritmer vil blive implementeret for at forbedre billedsegmenteringen.

   To uger efter CTCA-billeddannelse vil patienterne gennemgå planlagt PCI. Under PCI vil der blive gjort en indsats for at studere alle de 3 epikardielle kranspulsårer - inklusive den stenotiske læsion - og nogle af deres vigtigste sidegrene (dvs. store diagonaler, stumpe marginaler, den bageste nedadgående arterie eller den venstre ventrikulære gren af ​​den højre kranspulsåre ) med det kombinerede NIRS-IVUS kateter. Efter PCI vil deltagerne blive udskrevet på optimal medicinsk behandling.

2. Segmentering af CTCA-billeddannelsesdata og rekonstruktion af koronararterieanatomi Billeddata vil blive anonymiseret og analyseret blindt for kliniske detaljer af en ekspertoperatør ved hjælp af en dedikeret arbejdsstation. Anatomiske landemærker (dvs. sidegrene) vil blive identificeret i CTCA og NIRS-IVUS billeddata og vil blive brugt til at definere segmenter af interesse.

   Analyse af CTCA-dataene vil blive udført ved hjælp af dedikeret software, der muliggør automatiseret ekstraktion af den luminale midterlinje, semi-automatiseret detektering af lumen og ydre karvægs grænser og kvantificering af plaquebyrden og inkorporerer en plakkarakteriseringsalgoritme, der tillader automatiseret karakterisering af plakettens sammensætning. Plaque-karakteriseringsalgoritmen tager højde for foruddefinerede afskæringsværdier med fast intensitet for Hounsfield-enhederne og en adaptiv tilgang, der tillader modifikation af disse afskæringsværdier i henhold til billeddæmpning. I øjeblikket tager segmenteringsprocessen i gennemsnit 3 timer pr. patient. I dette projekt sigter efterforskerne på at optimere CTCA billedoptagelse og segmenteringsalgoritmer, så denne proces bliver automatiseret og reducerer tiden for CTCA segmentering til <1 time.

3. Segmentering af NIRS-IVUS-billeddannelsesdata og rekonstruktion af koronararterieanatomi NIRS-IVUS-dataene, der portrætterer segmenterne af interesse, vil blive analyseret af en ekspertoperatør, blindet for de kliniske detaljer og CTCA-billeddannelsesdata, med et 3-måneders interval fra analyse af CTCA-data ved hjælp af en software, der muliggør påvisning af lumen og ydre karvægs grænser, kvantificering af plaquebyrde og annotering af calcific vævskomponenten i IVUS. Resultatet af analysen af ​​NIRS-billeddannelsesdataene er kemogrammet, som er et farvekodet kort over fordelingen af ​​lipidkomponenten langs karvæggen (gul indikerer øget sandsynlighed og rød lav sandsynlighed for lipidvæv). En metrik for lipidbyrden er lipid core burden index (LCBI), som beregnes som den del af de gule pixels, der svarer til lipidkomponent divideret med 1000. Derudover genereres blokkemogrammet for hvert 2 mm segment, der giver en oversigt over kemogrammet for dette segment og viser sandsynligheden for tilstedeværelsen af ​​lipidvæv i en 2 mm blok af kranspulsåren. Blokkemogrammet er blevet valideret mod histologi, og det har vist sig, at det muliggør nøjagtig påvisning af lipidrige plaques.

   De segmenterede NIRS-IVUS data vil blive brugt til at rekonstruere den koronare anatomi ved hjælp af en etableret og velvalideret metode. Sidegrene med en diameter >1,5 mm vil blive rekonstrueret ud fra de angiografiske data og fusioneret med hovedkargeometrien rekonstrueret fra NIRS-IVUS, da det har vist sig, at sidegrene påvirker ESS-fordelingen.

4. Blodstrømssimulering Identiske randbetingelser vil blive anvendt på både IVUS-baserede og CTCA-baserede modeller. Blod vil blive betragtet som en laminær og inkompressibel newtonsk væske med en dynamisk viskositet på 0,0035 Pa•s og en densitet på 1.050 kg/m3. En konstant flowprofil vil blive pålagt ved indstrømningen af ​​lumen, da dette reducerer beregningstiden, og der er tegn på, at der ikke er nogen signifikant forskel i den estimerede ESS, når der anvendes en stabil eller en pulserende flowprofil. Murrays teori om konstant ESS vil blive brugt til at udlede randbetingelser i hoved- og sidegrenene. Arterievæggen vil blive anset for at være stiv, og skridsikre forhold vil blive anvendt på den luminale overflade. Flowhastigheden vil blive estimeret ud fra de angiografiske data ved at måle antallet af billeder, der kræves for at kontrastmidlet kan passere fra indløbet til udløbet af det rekonstruerede segment, volumenet af segmentet ved basislinien og cine-billedhastigheden.
5. Analyse af NIRS-IVUS- og CTCA-billeddannelsesdata Det forventes, at NIRS-IVUS-billeddannelse i gennemsnit vil blive udført i 2,5 kar pr. patient; fra disse 40 tilfældigt udvalgte kar vil blive brugt til at træne algoritmerne til CTCA-segmentering og plakkarakterisering (træningsdatasæt) og de resterende til valideringsformål (valideringsdatasæt).

I træningssættet vil segmenterne af interesse, der er rekonstrueret fra CTCA- og NIRS-IVUS-dataene, blive opdelt i 2 mm-segmenter, og tilsvarende 2 mm-segmenter vil blive identificeret i CTCA- og NIRS-IVUS-modellerne. For hvert 2 mm-segment vil følgende metrikker blive estimeret i NIRS-IVUS-modellerne: gennemsnitligt lumenareal, gennemsnitligt ydre karvægsareal, gennemsnitligt plakareal, gennemsnitlig plakbelastning (defineret som: 100 x plaqueareal/karareal), gennemsnitligt kalkareal. , LCBI og den overvejende ESS. Derudover vil hvert segment blive klassificeret som lipid-rigt eller ikke-lipid-rigt ifølge blokkemogrammet.

Tilsvarende vil i CTCA-modellerne det gennemsnitlige lumenareal, det ydre karvægsareal, plaquearealet, plakbelastningen, calcific areal og den gennemsnitlige dominerende ESS blive estimeret for hvert 2 mm segment og sammenlignet med estimaterne af NIRS-IVUS. Adskillige tilgange vil blive testet for at optimere segmenteringen af ​​karvægskanterne, og den bedste vil blive vedtaget. Segmenter med øget kalkbelastning og blomstrende artefakter vil blive identificeret, og i tilfælde af væsentlige forskelle mellem CTCA og NIRS-IVUS annoteringer, vil maskinlæringsteknikker, der udnytter informationen fra NIRS-IVUS, blive implementeret for at optimere CTCA segmentering. De adaptive Hounsfield-enhedsgrænseværdier, der bedst identificerer lipid- og kalkvæv, vil blive defineret. Udbredte karplotter, der viser fordelingen af ​​lipidvævet i CTCA-modellerne, vil blive oprettet, og i disse vil LCBICT blive estimeret for hvert 2 mm segment og sammenlignet med output fra NIRS. Area under the curve (AUC) analyse vil blive brugt til at identificere den bedste CT-afledte plakbyrde, LCBI og ESS cut-off værdier, der svarer til NIRS-IVUS cutoff værdierne, der indikerer højrisiko plaques (plaque byrde: 67 %, LCBI: 178 og ESS: 1 Pa). Blokkemogrammet i NIRS-IVUS vil blive brugt til at identificere 2 mm LCBICT cut-off, der muliggør nøjagtig klassificering af 2 mm segmenterne som lipid- eller ikke-lipidrige. Nøjagtigheden af ​​disse cut-offs vil blive testet i valideringsdatasættet.

Derudover vil NIRS-IVUS data i valideringsdatasættet blive brugt til at identificere koronare læsioner - defineret som segmenter med en plaquebyrde >40 % i 3 på hinanden følgende rammer. For hver læsion vil dens remodelleringsindeks blive estimeret og brugt til at klassificere dem som læsioner med en positiv eller negativ remodellering. NIRS-IVUS data vil blive brugt til at karakterisere deres fænotype og klassificere dem som: patologisk intimal fortykkelse/fibrotiske plaques, fibro-calcific plaques, fibroatheromas (FA) og calcificerede fibroatheromas. NIRS-IVUS læsionsklassifikationen vil blive brugt som referencestandard for at vurdere nøjagtigheden af ​​CTCA i karakterisering af læsionsfænotype.

STATISTISK ANALYSE - EFFEKTBEREGNING Studiets primære endepunkt er CTCA's evne til at påvise FA. I en undersøgelse af Garcia-Garcia, der omfattede 129 patienter, der gennemgår enkeltkar IVUS-billeddannelse, blev der identificeret 1,7 læsioner pr. patient. I undersøgelsen af ​​Puri et al. var 45% af læsionerne FA på histologi. I denne undersøgelse muliggjorde NIRS kombineret med IVUS detektion af FA med en fremragende nøjagtighed (c-indeks: 0,80). Vi forventer, at vi vil være i stand til at udføre NIRS-IVUS billeddannelse i 2,5 kranspulsårer pr. patient, og at CTCA billeddannelseskvalitet vil være optimal hos 93 % af de undersøgte patienter. Hvis vi rekrutterer 70 patienter, forventer vi med succes at studere med NIRS-IVUS og CTCA 162 kar, hvoraf 120 (203 læsioner - 92 FA) vil blive brugt som et valideringsdatasæt. Dette datasæt forventes at give en kraft på 80 % til at demonstrere ved brug af 5 % signifikansniveauet, at følsomheden af ​​CTCA til at identificere FA ikke er forskellig fra NIRS-IVUS (AUC af CTCA-område: 0,89-0,71), under antagelse af en sand følsomhed på 0,80 for NIRS-IVUS.

Sekundære endepunkter for undersøgelsen er nøjagtigheden af ​​CTCA til at identificere: a) lipidrige segmenter (ved hjælp af blokkemogrammet af NIRS-IVUS som guldstandard) og b) segmenter udsat for lav ESS (<1Pa, ved hjælp af ESS estimeret i NIRS-IVUS modellerne som referencestandard).