Evaluering av CTCA i vurdering av plakkpatologi og fysiologi

STUDERE DESIGN

1. Patentrekruttering Sytti pasienter med typiske anginasymptomer som hadde elektiv koronar angiografi som viste minst ett kompleks (dvs. bifurkasjonslesjon, lang lesjon, forkalket lesjon) obstruktiv lesjon (>70 % diameter stenose på koronar angiografi, eller en fraksjonell strømningsreserve <0,80) som anses egnet for perkutan koronar intervensjon (PCI) under IVUS-veiledning vil bli inkludert i studien. Eksklusjonskriterier er: 1) alder >75 år, 2) ACS innen <3 måneder, 2) eGFR <60ml/min/1,73m², 3) tidligere koronar bypass-operasjon, 3) dekompensert hjertesvikt eller venstre ventrikkel ejeksjonsfraksjon ≤30 %, 4) intravenøs kontrastallergi eller manglende evne til å motta behandling med aspirin, heparin eller tienopyridiner, 5) forventet levealder <1 år, 6) historie med hjertetransplantasjon, 7) pasient som krever kirurgisk revaskularisering, og 8) omfattende koronararteriesykdom (dvs. flere kroniske totale okklusjoner) eller kronglete koronar anatomi som ikke tillater vurdering av koronararteriene med NIRS-IVUS-avbildning. De rekrutterte pasientene vil gi informert samtykke og gjennomgå CTCA-avbildning ved hjelp av en dedikert 3. generasjons CT dual-source skanner (Siemens Force). De første 4 månedene av studiens innsats vil bli gjort for å optimalisere bildeopptaksprotokoller slik at de oppnådde CTCA-dataene er egnet for automatisert segmentering. Effektive bildematriser vil bli brukt for å forbedre romlig oppløsning i planet, og skarpere rekonstruksjonskjerner og iterative rekonstruksjonsalgoritmer vil bli implementert for å forbedre bildesegmentering.

   To uker etter CTCA-avbildning vil pasientene gjennomgå planlagt PCI. Under PCI vil det bli gjort anstrengelser for å studere alle de 3 epikardiale koronararteriene - inkludert den stenotiske lesjonen - og noen av deres viktigste sidegrener (dvs. store diagonaler, stumpe marginaler, den bakre nedadgående arterie eller venstre ventrikkelgren av høyre kranspulsåre ) med det kombinerte NIRS-IVUS kateteret. Etter PCI vil deltakerne bli utskrevet med optimal medisinsk behandling.

2. Segmentering av CTCA-bildedata og rekonstruksjon av koronararteriens anatomi Bildedata vil bli anonymisert og analysert blindet for kliniske detaljer av en ekspertoperatør som bruker en dedikert arbeidsstasjon. Anatomiske landemerker (dvs. sidegrener) vil bli identifisert i CTCA og NIRS-IVUS bildedata og vil bli brukt til å definere segmenter av interesse.

   Analyse av CTCA-dataene vil bli utført ved bruk av dedikert programvare som muliggjør automatisert ekstraksjon av den luminale senterlinjen, semi-automatisert deteksjon av lumen og ytre karveggkanter, og kvantifisering av plakkbelastningen og inkorporerer en plakkkarakteriseringsalgoritme som tillater automatisert karakterisering av plakettens sammensetning. Plakkkarakteriseringsalgoritmen tar hensyn til forhåndsdefinerte grenseverdier med fast intensitet for Hounsfield-enhetene og en adaptiv tilnærming som tillater modifisering av disse grenseverdiene i henhold til bildedempning. For tiden tar segmenteringsprosessen i gjennomsnitt 3 timer per pasient. I dette prosjektet tar etterforskerne sikte på å optimalisere CTCA-bildeinnsamling og segmenteringsalgoritmer slik at denne prosessen blir automatisert og reduserer tiden for CTCA-segmentering til <1 time.

3. Segmentering av NIRS-IVUS-bildedata og rekonstruksjon av koronararterieanatomi NIRS-IVUS-dataene som viser segmentene av interesse vil bli analysert av en ekspertoperatør, blindet for de kliniske detaljene og CTCA-bildedataene, med et 3-måneders intervall fra analyse av CTCA-dataene ved hjelp av en programvare som muliggjør deteksjon av lumen og ytre karveggkanter, kvantifisering av plakkbelastning og annotering av kalkvevskomponenten i IVUS. Resultatet av analysen av NIRS-bildedataene er kjemogrammet som er et fargekodet kart over fordelingen av lipidkomponenten langs karveggen (gul indikerer økt sannsynlighet og rød lav sannsynlighet for lipidvev). En beregning av lipidbelastningen er lipidkjernebelastningsindeksen (LCBI) som beregnes som brøkdelen av de gule pikslene som tilsvarer lipidkomponenten delt på 1000. I tillegg genereres blokkkjemogrammet for hvert 2 mm-segment som gir et sammendrag av kjemogrammet for dette segmentet og viser sannsynligheten for tilstedeværelse av lipidvev i en 2 mm-blokk av kranspulsåren. Blokkkjemogrammet er validert mot histologi og det har vist seg at det muliggjør nøyaktig påvisning av lipidrike plakk.

   De segmenterte NIRS-IVUS-dataene vil bli brukt til å rekonstruere koronaranatomien ved å bruke en etablert og godt validert metodikk. Sidegrener med diameter >1,5 mm vil bli rekonstruert fra angiografiske data og smeltet sammen med hovedkargeometrien rekonstruert fra NIRS-IVUS, siden det er vist at sidegrener påvirker ESS-fordelingen.

4. Blodstrømsimulering Identiske grensebetingelser vil bli brukt for både IVUS-baserte og CTCA-baserte modeller. Blod vil anses å være en laminær og inkomprimerbar newtonsk væske med en dynamisk viskositet på 0,0035 Pa•s og en tetthet på 1 050 kg/m3. En jevn strømningsprofil vil bli pålagt ved innstrømningen av lumen da dette reduserer beregningstiden og det er bevis på at det ikke er noen signifikant forskjell i estimert ESS når en jevn eller pulserende strømningsprofil brukes. Murrays teori om konstant ESS vil bli brukt til å utlede grensebetingelser i hoved- og sidegrener. Arterieveggen vil anses å være stiv og sklisikre forhold vil bli påført ved luminaloverflaten. Strømningshastigheten vil bli estimert fra angiografiske data ved å måle antall bilder som kreves for at kontrastmiddelet skal passere fra innløpet til utløpet av det rekonstruerte segmentet, volumet av segmentet ved grunnlinjen og filmbildehastigheten.
5. Analyse av NIRS-IVUS- og CTCA-avbildningsdata Det er forventet at NIRS-IVUS-avbildning vil bli utført i gjennomsnitt i 2,5 kar per pasient; fra disse 40 tilfeldig utvalgte karene vil bli brukt til å trene algoritmene for CTCA-segmentering og plakkkarakterisering (treningsdatasett) og de resterende for valideringsformål (valideringsdatasett).

I treningssettet vil segmentene av interesse rekonstruert fra CTCA- og NIRS-IVUS-data bli delt inn i 2 mm-segmenter og tilsvarende 2 mm-segmenter vil bli identifisert i CTCA- og NIRS-IVUS-modellene. For hvert 2 mm-segment vil følgende beregninger bli estimert i NIRS-IVUS-modellene: gjennomsnittlig lumenareal, gjennomsnittlig ytre karveggareal, gjennomsnittlig plakkareal, gjennomsnittlig plakkbelastning (definert som: 100 x plakkareal/karareal), gjennomsnittlig kalkareal. , LCBI og den dominerende ESS. I tillegg vil hvert segment bli klassifisert som lipidrikt eller ikke-lipidrikt i henhold til blokkkjemogrammet.

Tilsvarende vil i CTCA-modellene gjennomsnittlig lumenareal, ytre karveggareal, plakkareal, plakkbelastning, forkalkningsareal og gjennomsnittlig dominerende ESS estimeres for hvert 2 mm-segment og sammenlignes med estimeringene til NIRS-IVUS. Flere tilnærminger vil bli testet for å optimalisere segmenteringen av karveggens grenser, og de beste vil bli tatt i bruk. Segmenter med økt kalkbelastning og blomstrende artefakter vil bli identifisert, og i tilfelle betydelige forskjeller mellom CTCA- og NIRS-IVUS-kommentarer, vil maskinlæringsteknikker, som drar nytte av informasjonen fra NIRS-IVUS, bli implementert for å optimalisere CTCA-segmentering. De adaptive Hounsfield-enhetsgrensene som best identifiserer lipid- og kalkvev vil bli definert. Utbredte karplott som viser fordelingen av lipidvevet i CTCA-modellene vil bli opprettet, og i disse vil LCBICT bli estimert for hvert 2 mm segment og sammenlignet med produksjonen fra NIRS. Area under the curve (AUC) analyse vil bli brukt for å identifisere den beste CT-avledede plakkbelastningen, LCBI og ESS cut-off verdier som tilsvarer NIRS-IVUS cutoff verdier som indikerer høyrisiko plakk (plakk byrde: 67 %, LCBI: 178 og ESS: 1 Pa). Blokkkjemogrammet i NIRS-IVUS vil bli brukt til å identifisere 2 mm LCBICT cut-off som muliggjør nøyaktig klassifisering av 2 mm segmentene som lipid- eller ikke-lipidrike. Nøyaktigheten til disse avskjæringene vil bli testet i valideringsdatasettet.

I tillegg vil NIRS-IVUS-dataene i valideringsdatasettet bli brukt til å identifisere koronare lesjoner - definert som segmenter med plakkbelastning >40 % i 3 påfølgende rammer. For hver lesjon vil remodelleringsindeksen bli estimert og brukt til å klassifisere dem som lesjoner med positiv eller negativ remodellering. NIRS-IVUS-dataene vil bli brukt til å karakterisere deres fenotype og klassifisere dem som: patologisk intimal fortykning/fibrotisk plakk, fibro-kalsifiske plakk, fibroateromer (FA) og forkalkede fibroateromer. NIRS-IVUS lesjonsklassifiseringen vil bli brukt som referansestandard for å vurdere nøyaktigheten til CTCA i karakterisering av lesjonsfenotype.

STATISTISK ANALYSE - KRAFTBEREGNING Studiens primære endepunkt er CTCAs evne til å påvise FA. I en studie av Garcia-Garcia som inkluderte 129 pasienter som gjennomgikk enkeltkar IVUS-avbildning, ble 1,7 lesjoner identifisert per pasient. I studien til Puri et al., var 45 % av lesjonene FA på histologi. I den studien muliggjorde NIRS kombinert med IVUS deteksjon av FA med en utmerket nøyaktighet (c-indeks: 0,80). Vi forventer at vi vil kunne utføre NIRS-IVUS-avbildning i 2,5 kranspulsårer per pasient og at CTCA-avbildningskvaliteten vil være optimal hos 93 % av de studerte pasientene. Hvis vi rekrutterer 70 pasienter, forventer vi å lykkes med å studere med NIRS-IVUS og CTCA 162 kar, hvorav 120 (203 lesjoner - 92 FA) vil bli brukt som et valideringsdatasett. Dette datasettet forventes å gi 80 % kraft til å demonstrere ved bruk av 5 % signifikansnivået, at sensitiviteten til CTCA ved identifisering av FA ikke er forskjellig fra NIRS-IVUS (AUC av CTCA-område: 0,89-0,71), forutsatt en sann sensitivitet på 0,80 for NIRS-IVUS.

Sekundære endepunkter for studien er nøyaktigheten av CTCA for å identifisere: a) lipidrike segmenter (ved bruk av blokkkjemogrammet til NIRS-IVUS som gullstandard), og b) segmenter utsatt for lav ESS (<1Pa, ved bruk av ESS estimert i NIRS-IVUS-modellene som referansestandard).