급성 심근경색증에 대한 심장 CT를 이용한 관상동맥 및 심근 평가 (COMET-AMI)

급성 심근경색증(AMI)은 전 세계적으로 사망률과 유병률의 주요 원인으로 남아 있습니다. 가이드라인에 따른 약물 치료와 함께 시행되는 경피적 관상동맥 중재술(PCI)은 생존율을 크게 향상시켰지만, 많은 환자들은 혈관재형성 후에도 재발성 허혈성 사건, 심부전, 악성 부정맥 등 불리한 심혈관 사건을 경험합니다. 따라서 PCI 후 정확한 위험 계층화는 임상적 치료를 최적화하고 장기적 결과를 개선하기 위해 필수적입니다. 그러나 현재 사용 가능한 위험 예측 도구는 최적이 아닌 예측 성능이나 제한된 임상 접근성으로 인해 한계가 있습니다.

심장 영상은 AMI 후 평가에서 핵심적인 역할을 합니다. 심초음파는 심장 구조와 기능을 평가하고 조기 기계적 합병증을 배제하기 위해 PCI 후 정기적으로 권장됩니다. 그럼에도 불구하고, 후속 심실 리모델링과 장기적 임상 결과를 예측하는 능력은 제한적입니다. 심장 자기공명영상(CMR)은 심근 조직 특성화의 기준 표준으로 간주되며, 경색 크기, 미세혈관 폐쇄, 심근 내 출혈과 같은 중요한 예후 지표를 제공합니다. 그러나 AMI 환자에서 CMR의 일상적 사용은 제한된 가용성, 높은 비용, 상대적으로 긴 검사 시간으로 인해 제약을 받습니다. 또한, CMR은 재발성 허혈성 사건의 중요한 결정 요인인 관상동맥 해부학적 구조나 플라크 특성을 직접 평가하지 않습니다.

심장 컴퓨터단층촬영(CT)의 최근 발전은 관상동맥 질환의 포괄적 평가를 가능하게 했습니다. 관상동맥 협착 평가를 넘어, 관상동맥 CT 혈관조영술은 플라크 취약성과 관련된 고위험 플라크 특징을 식별할 수 있습니다. 또한, 새롭게 등장하는 CT 기반 기술은 관상동맥 생리학, 혈관 주위 염증, 심근 구조와 기능, 심근 조직 특성을 동시에 평가할 수 있습니다. CT 유래 분획 혈류 예비력(CT-FFR)은 관상동맥 병변의 비침습적 기능적 평가를 가능하게 하며, 지방 감쇠 지수(FAI)는 관상동맥 주위 염증 활동을 반영합니다. 또한, 지연 요오드 조영 증강 및 이중 에너지 CT 기술은 심근 손상과 섬유화를 평가할 수 있으며, CT 유래 세포외 부피 분율(ECV)은 심근 섬유화의 정량적 평가를 제공합니다. 이러한 발전들은 다중 모드 심장 CT가 AMI 후 포괄적 위험 평가를 위한 통합 영상 접근법을 제공할 수 있음을 시사합니다.

COMET-AMI 연구(급성 심근경색증에서 다중 모드 심장 CT에 의한 관상동맥 및 심근 평가)는 PCI 후 AMI 환자에서 다중 모드 심장 CT의 예후적 가치를 평가하기 위해 설계된 전향적, 다기관 코호트 연구입니다. 성공적으로 PCI를 시행받은 AMI 환자 총 1,000명이 전향적으로 등록될 예정입니다. 모든 참가자는 PCI 후 7일 이내에 다중 모드 심장 CT를 시행하여 관상동맥 플라크 특성, 관상동맥 생리학, 관상동맥 주위 지방 조직 염증, 심장 구조와 기능, 심근 조직 특징을 평가할 것입니다. 참가자 중 일부는 CT 유래 심근 조직 매개변수의 검증을 위해 심장 자기공명영상도 시행할 예정입니다.

인구통계학적 특성, 심혈관 위험 요인, 약물 복용 이력, 실험실 생체 지표, 시술 데이터를 포함한 포괄적인 임상 정보가 수집될 것입니다. 전용 소프트웨어를 사용하여 관상동맥 플라크의 정량적 및 정성적 분석을 수행하여 플라크 부담, 플라크 구성, 리모델링 특성, 고위험 플라크 특징을 평가할 것입니다. CT-FFR, 심근 변형률, 관상동맥 주위 지방 감쇠 지수, 세포외 부피 분율과 같은 추가 CT 유래 매개변수도 분석될 것입니다.

참가자는 PCI 후 최대 5년 동안 외래 방문, 전화 인터뷰, 전자의무기록 검토를 통해 종단적으로 추적 관찰될 것입니다. 주요 결과는 복합 혈전성 사건(심장사, 재발성 심근경색, 긴급 또는 임상적으로 유도된 혈관재형성)을 포함합니다. 이차 결과는 심부전 및 신발생 심부전, 지속성 심실 부정맥, 이식형 제세동기 삽입, 심장 돌연사, 또는 소생된 심정지와 같은 주요 부정맥 사건을 포함합니다. 모든 임상 사건은 눈가린 임상 사건 위원회에 의해 독립적으로 판정될 것입니다.

다중 모드 심장 CT 유래 영상 생체 지표를 임상 및 실험실 데이터와 결합하여, 기계 학습 기반 예측 모델을 개발하여 AMI 환자에서 PCI 후 불리한 결과의 주요 결정 요인을 식별할 것입니다. 이 연구 결과는 새로운 영상 기반 위험 계층화 전략을 제공하고 PCI 후 AMI 환자의 맞춤형 치료를 용이하게 할 수 있습니다.