プラークの病理学と生理学の評価における CTCA の評価

研究デザイン

1. 特許募集 典型的な狭心症の症状があり、選択的冠動脈造影で少なくとも 1 つの複合体 (分岐病変、長い病変、石灰化病変) の閉塞性病変 (冠動脈造影で直径が 70% を超える狭窄、または血流予備能が 0.80 未満) を示す 70 人の患者IVUS ガイダンスの下での経皮的冠動脈インターベンション (PCI) に適していると考えられる患者は、研究に含まれます。 除外基準は次のとおりです。1) 75 歳以上、2) 3 か月以内の ACS、2) eGFR <60ml/分/1.73m²、 3) 以前の冠動脈バイパス手術、3) 非代償性心不全、または左心室駆出率 ≤30%、4) 静脈内造影剤アレルギーまたはアスピリン、ヘパリン、またはチエノピリジンによる治療を受けることができない、5) 予想余命が 1 年未満、 6) 心臓移植の病歴、7) 外科的血行再建術を必要とする患者、および 8) 広範な冠動脈疾患 (すなわち、複数の慢性完全閉塞) または NIRS-IVUS イメージングによる冠動脈の評価を許可しない曲がりくねった冠動脈解剖学。 募集された患者は、インフォームド コンセントを提供し、専用の第 3 世代 CT デュアル ソース スキャナー (シーメンス フォース) を使用して CTCA イメージングを受けます。 研究努力の最初の 4 か月は、取得した CTCA データが自動セグメンテーションに適したものになるように、画像取得プロトコルを最適化するために行われます。 効率的なイメージング マトリックスを使用して面内の空間解像度を改善し、再構成カーネルをよりシャープにし、反復再構成アルゴリズムを実装して画像のセグメンテーションを強化します。

   CTCA イメージングの 2 週間後、患者は計画された PCI を受けます。 PCI では、狭窄病変を含む 3 本の心外膜冠動脈すべてと、それらの主要な側枝 (すなわち、大きな対角線、鈍辺縁、後下行動脈、または右冠動脈の左心室枝) のいくつかを研究するために行われます。 ) NIRS-IVUS カテーテルを組み合わせて使用​​します。 PCIに続いて、参加者は最適な治療を受けて退院します。

2. CTCA イメージング データのセグメンテーションと冠動脈解剖学的構造の再構築 イメージング データは匿名化され、専門のオペレーターが専用のワークステーションを使用して臨床の詳細を知らずに分析されます。 解剖学的ランドマーク (すなわち側枝) は、CTCA および NIRS-IVUS イメージング データで識別され、関心のあるセグメントを定義するために使用されます。

   CTCAデータの分析は、内腔中心線の自動抽出、内腔と血管壁の境界の半自動検出、およびプラーク負荷の定量化を可能にし、自動特徴付けを可能にするプラーク特徴付けアルゴリズムを組み込んだ専用ソフトウェアを使用して実行されますプラークの組成。 プラーク特徴付けアルゴリズムは、ハウンズフィールド単位の事前定義された固定強度カットオフ値と、画像減衰に従ってこれらのカットオフ値の変更を可能にする適応アプローチを考慮に入れます。 現在、セグメンテーション プロセスには、患者 1 人あたり平均 3 時間かかります。 このプロジェクトでは、調査員は CTCA 画像取得とセグメンテーション アルゴリズムを最適化して、このプロセスを自動化し、CTCA セグメンテーションの時間を 1 時間未満に短縮することを目指しています。

3. NIRS-IVUS イメージング データのセグメンテーションと冠動脈解剖学的構造の再構築内腔と血管壁の境界線の検出、プラーク負荷の定量化、および IVUS における石灰化組織成分の注釈を可能にするソフトウェアを使用した CTCA データの分析。 NIRS イメージング データの分析の出力は、血管壁に沿った脂質成分の分布の色分けされたマップであるケモグラムです (黄色は脂質組織の確率が高く、赤色は低い確率を示します)。 脂質負荷の測定基準は、脂質成分に対応する黄色のピクセルの割合を 1000 で割った値として計算される脂質コア負荷指数 (LCBI) です。 さらに、2mm セグメントごとにブロック ケモグラムが生成され、このセグメントのケモグラムの要約が提供され、冠状動脈の 2mm ブロックに脂質組織が存在する確率が表示されます。 ブロックケモグラムは組織学に対して検証されており、脂質が豊富なプラークを正確に検出できることが示されています。

   セグメント化された NIRS-IVUS データは、確立された十分に検証された方法論を使用して冠状動脈の解剖学的構造を再構築するために使用されます。 直径が 1.5 mm を超える側枝は、血管造影データから再構築され、側枝が ESS 分布に影響を与えることが示されているため、NIRS-IVUS から再構築された主な血管形状と融合されます。

4. 血流シミュレーション 同一の境界条件が、IVUS ベースのモデルと CTCA ベースのモデルの両方に適用されます。 血液は、動粘度が 0.0035 Pa・s で密度が 1,050 kg/m3 の層流で非圧縮性のニュートン流体と見なされます。 これにより計算時間が短縮され、安定した流れプロファイルまたは拍動性流れプロファイルが使用された場合に推定 ESS に有意な差がないという証拠があるため、ルーメンの流入時に定常フロー プロファイルが適用されます。 マレーの定数 ESS の理論を使用して、メイン ブランチとサイド ブランチの境界条件を導出します。 動脈壁は硬いと見なされ、管腔表面に滑りのない状態が適用されます。 流速は、造影剤が再構成されたセグメントの入口から出口まで通過するのに必要なフレーム数、ベースラインでのセグメントの体積、およびシネ フレーム レートを測定することにより、血管造影データから推定されます。
5. NIRS-IVUS および CTCA イメージング データの分析 NIRS-IVUS イメージングは​​、患者 1 人あたり平均 2.5 本の血管で実施されると予想されます。これらのランダムに選択された 40 の血管から、CTCA セグメンテーションとプラークの特徴付け (トレーニング データセット) と検証目的 (検証データセット) の残りのアルゴリズムをトレーニングするために使用されます。

トレーニング セットでは、CTCA および NIRS-IVUS データから再構築された対象セグメントが 2 mm セグメントに分割され、対応する 2 mm セグメントが CTCA および NIRS-IVUS モデルで識別されます。 2mm セグメントごとに、NIRS-IVUS モデルで次の指標が推定されます: 平均内腔面積、平均外壁面積、平均プラーク面積、平均プラーク負荷 (100 x プラーク面積/血管面積として定義)、平均石灰化面積、LCBI、および優勢なESS。 さらに、各セグメントは、ブロックケモグラムに従って、脂質が豊富または脂質が豊富でないものとして分類されます。

同様に、CTCAモデルでは、平均管腔面積、血管外壁面積、プラーク面積、プラーク負荷、石灰化面積、平均優勢ESSが2mmセグメントごとに推定され、NIRS-IVUSの推定値と比較されます。 血管壁の境界のセグメンテーションを最適化するためにいくつかのアプローチがテストされ、最良のものが採用されます。 増加した石灰化負荷とブルーミング アーティファクトを持つセグメントが特定され、CTCA と NIRS-IVUS アノテーションの間に大きな違いがある場合、NIRS-IVUS によって提供される情報を利用する機械学習技術が実装され、CTCA セグメンテーションが最適化されます。 脂質および石灰化組織を最もよく識別する適応ハウンズフィールド単位カットオフが定義されます。 CTCAモデルの脂質組織の分布を表す血管の広がりプロットが作成され、これらでLCBICTが2mmセグメントごとに推定され、NIRSの出力と比較されます。 曲線下面積 (AUC) 分析を使用して、高リスクのプラークを示す NIRS-IVUS カットオフ値に対応する最高の CT 由来プラーク負荷、LCBI および ESS カットオフ値を特定します (プラーク負荷: 67%、 LCBI: 178 および ESS: 1Pa)。 NIRS-IVUS のブロックケモグラムを使用して、2mm セグメントを脂質または非脂質リッチとして正確に分類できる 2mm LCBICT カットオフを特定します。 これらのカットオフの精度は、検証データセットでテストされます。

さらに、検証データセットでは、NIRS-IVUS データを使用して冠動脈病変を特定します。これは、3 つの連続するフレームでプラーク負荷が 40% を超えるセグメントとして定義されます。 各病変について、そのリモデリング指数が推定され、それらを正または負のリモデリングを伴う病変として分類するために使用されます。 NIRS-IVUS データは、それらの表現型を特徴付け、病的内膜肥厚/線維性プラーク、線維性石灰化性プラーク、線維アテローム (FA)、および石灰化線維アテロームとして分類するために使用されます。 NIRS-IVUS 病変分類は、病変表現型の特徴付けにおける CTCA の精度を評価するための参照基準として使用されます。

統計分析 - 検出力の計算 この研究の主要評価項目は、CTCA が FA を検出する能力です。 単一血管 IVUS イメージングを受けている 129 人の患者を含む Garcia-Garcia の研究では、患者ごとに 1.7 の病変が特定されました。 Puri らの研究では、病変の 45% が組織学上の FA でした。 その研究では、IVUS と組み合わせた NIRS により、優れた精度で FA の検出が可能になりました (c-index: 0.80)。 患者 1 人あたり 2.5 本の冠動脈で NIRS-IVUS イメージングを実行できるようになり、研究対象の患者の 93% で CTCA イメージングの品質が最適になると予想しています。 70 人の患者を募集した場合、NIRS-IVUS および CTCA 162 血管での研究が成功すると予想され、そのうち 120 (203 病変 - 92 FA) が検証データセットとして使用されます。 このデータセットは、FA を識別する CTCA の感度が NIRS-IVUS (CTCA 範囲の AUC: 0.89-0.71) と変わらないことを、5% の有意水準を使用して実証する 80% の検出力を与えると予想されます。 NIRS-IVUS の真の感度を 0.80 と仮定します。

この研究の副次評価項目は、次を特定するための CTCA の精度です: a) 脂質が豊富なセグメント (NIRS-IVUS のブロック ケモグラムをゴールド スタンダードとして使用)、および b) 低 ESS に曝露されたセグメント (<1Pa、で推定された ESS を使用)参照標準としてNIRS-IVUSモデル）。