Utvärdering av CTCA vid bedömning av plackpatologi och fysiologi

STUDERA DESIGN

1. Patentrekrytering Sjuttio patienter med typiska anginasymtom som hade elektiv kranskärlsangiografi som visade minst en komplex (d.v.s. bifurkationsskada, lång skada, förkalkad lesion) obstruktiv lesion (stenos med >70 % diameter vid kranskärlsangiografi, eller en fraktionell flödesreserv <0,80) som anses lämpliga för perkutan koronar intervention (PCI) under IVUS-vägledning kommer att inkluderas i studien. Uteslutningskriterier är: 1) ålder >75 år, 2) ACS inom <3 månader, 2) eGFR <60ml/min/1,73m², 3) tidigare kranskärlsbypassoperation, 3) dekompenserad hjärtsvikt, eller vänsterkammarejektionsfraktion ≤30 %, 4) intravenös kontrastallergi eller oförmåga att få behandling med acetylsalicylsyra, heparin eller tienopyridiner, 5) förväntad livslängd <1 år, 6) historia av hjärttransplantation, 7) patient som kräver kirurgisk revaskularisering och 8) omfattande kranskärlssjukdom (dvs flera kroniska totala ocklusioner) eller slingrande kranskärlens anatomi som inte tillåter bedömning av kranskärlen med NIRS-IVUS-avbildning. De rekryterade patienterna kommer att ge informerat samtycke och genomgå CTCA-avbildning med en dedikerad tredje generationens CT-scanner med dubbla källor (Siemens Force). De första fyra månaderna av studien kommer att göras för att optimera bildinsamlingsprotokollen så att den erhållna CTCA-datan är lämplig för automatiserad segmentering. Effektiva bildmatriser kommer att användas för att förbättra rumslig upplösning i planet och skarpare rekonstruktionskärnor och iterativa rekonstruktionsalgoritmer kommer att implementeras för att förbättra bildsegmenteringen.

   Två veckor efter CTCA-avbildning kommer patienterna att genomgå planerad PCI. Under PCI kommer ansträngningar att göras för att studera alla de tre epikardiella kransartärerna - inklusive stenotisk lesion - och några av deras större sidogrenar (dvs stora diagonaler, trubbiga marginaler, den bakre nedåtgående artären eller den vänstra ventrikulära grenen av den högra kransartären ) med den kombinerade NIRS-IVUS katetern. Efter PCI kommer deltagarna att skrivas ut med optimal medicinsk behandling.

2. Segmentering av CTCA-avbildningsdata och rekonstruktion av kranskärlens anatomi Avbildningsdata kommer att anonymiseras och analyseras blinda för kliniska detaljer av en expertoperatör som använder en dedikerad arbetsstation. Anatomiska landmärken (dvs sidogrenar) kommer att identifieras i CTCA- och NIRS-IVUS-bilddata och kommer att användas för att definiera segment av intresse.

   Analys av CTCA-data kommer att utföras med hjälp av dedikerad programvara som möjliggör automatisk extraktion av den luminala mittlinjen, halvautomatisk detektering av lumen och yttre kärlväggsgränser, och kvantifiering av plackbördan och innehåller en plackkarakteriseringsalgoritm som tillåter automatiserad karakterisering av plackens sammansättning. Algoritmen för plackkarakterisering tar hänsyn till fördefinierade gränsvärden med fast intensitet för Hounsfield-enheterna och ett adaptivt tillvägagångssätt som tillåter modifiering av dessa gränsvärden enligt bilddämpning. För närvarande tar segmenteringsprocessen i genomsnitt 3 timmar per patient. I detta projekt strävar forskarna efter att optimera CTCA-bildinsamling och segmenteringsalgoritmer så att denna process blir automatiserad och minskar tiden för CTCA-segmentering till <1 timme.

3. Segmentering av NIRS-IVUS-avbildningsdata och rekonstruktion av kranskärlens anatomi. NIRS-IVUS-data som visar de intressanta segmenten kommer att analyseras av en expertoperatör, blindad för de kliniska detaljerna och CTCA-avbildningsdata, med ett 3-månadersintervall från analys av CTCA-data med hjälp av en mjukvara som möjliggör detektering av lumen och yttre kärlväggskanter, kvantifiering av plackbelastning och anteckning av kalkvävnadskomponenten i IVUS. Resultatet av analysen av NIRS-avbildningsdata är kemogrammet som är en färgkodad karta över fördelningen av lipidkomponenten längs kärlväggen (gul indikerar ökad sannolikhet och röd låg sannolikhet för lipidvävnad). Ett mått på lipidbelastningen är lipid core burden index (LCBI) som beräknas som andelen av de gula pixlarna som motsvarar lipidkomponenten dividerat med 1000. Dessutom genereras blockkemogrammet för varje 2 mm segment som ger en sammanfattning av kemogrammet för detta segment och visar sannolikheten för närvaron av lipidvävnad i ett 2 mm block av kransartären. Blockkemogrammet har validerats mot histologi och det har visat sig att det möjliggör noggrann detektering av lipidrika plack.

   De segmenterade NIRS-IVUS-data kommer att användas för att rekonstruera kranskärlens anatomi med hjälp av en etablerad och väl validerad metodik. Sidogrenar med en diameter >1,5 mm kommer att rekonstrueras från angiografiska data och smälta samman med huvudkärlsgeometrin rekonstruerad från NIRS-IVUS, eftersom det har visat sig att sidogrenar påverkar ESS-fördelningen.

4. Blodflödessimulering Identiska randvillkor kommer att tillämpas på både IVUS-baserade och CTCA-baserade modeller. Blod kommer att anses vara en laminär och inkompressibel newtonsk vätska med en dynamisk viskositet på 0,0035 Pa•s och en densitet på 1 050 kg/m3. En konstant flödesprofil kommer att införas vid inflödet av lumen eftersom detta minskar beräkningstiden och det finns bevis för att det inte finns någon signifikant skillnad i den uppskattade ESS när en stabil eller en pulserande flödesprofil används. Murrays teori om konstant ESS kommer att användas för att härleda randvillkor i huvud- och sidogrenar. Artärväggen kommer att anses vara stel och halkfria förhållanden kommer att tillämpas på den luminala ytan. Flödeshastighet kommer att uppskattas från angiografiska data genom att mäta antalet bilder som krävs för att kontrastmedlet ska passera från inloppet till utloppet av det rekonstruerade segmentet, volymen av segmentet vid baslinjen och filmbildhastigheten.
5. Analys av NIRS-IVUS- och CTCA-avbildningsdata Det förväntas att NIRS-IVUS-avbildning kommer att utföras i genomsnitt i 2,5 kärl per patient; från dessa 40 slumpmässigt utvalda kärl kommer att användas för att träna algoritmerna för CTCA-segmentering och plackkarakterisering (träningsdataset) och de återstående för valideringsändamål (valideringsdataset).

I träningsuppsättningen kommer de intressanta segmenten som rekonstruerats från CTCA- och NIRS-IVUS-data att delas upp i 2 mm-segment och motsvarande 2 mm-segment kommer att identifieras i CTCA- och NIRS-IVUS-modellerna. För varje 2 mm segment kommer följande mätvärden att uppskattas i NIRS-IVUS-modellerna: medellumenarea, genomsnittlig yttre kärlväggsarea, medelplackarea, medelplackbelastning (definierad som: 100 x plackarea/kärlarea), medelförkalkningsarea LCBI och den dominerande ESS. Dessutom kommer varje segment att klassificeras som lipidrikt eller icke-lipidrikt enligt blockkemogrammet.

På liknande sätt, i CTCA-modellerna kommer den genomsnittliga lumenarean, den yttre kärlväggsarean, plackarean, plackbelastningen, förkalkningsarean och den genomsnittliga dominerande ESS att uppskattas för varje 2 mm segment och jämföras med uppskattningarna av NIRS-IVUS. Flera tillvägagångssätt kommer att testas för att optimera segmenteringen av kärlväggsgränserna och de bästa kommer att antas. Segment med ökad kalkbelastning och blommande artefakter kommer att identifieras och vid betydande skillnader mellan CTCA- och NIRS-IVUS-annoteringar kommer maskininlärningstekniker, som drar fördel av informationen från NIRS-IVUS, att implementeras för att optimera CTCA-segmenteringen. De adaptiva Hounsfield-enhetens cut-offs som bäst identifierar lipid- och kalkvävnad kommer att definieras. Utbredda kärldiagram som visar fördelningen av lipidvävnaden i CTCA-modellerna kommer att skapas och i dessa kommer LCBICT att uppskattas för varje 2 mm-segment och jämföras med utdata från NIRS. Area under the curve (AUC)-analys kommer att användas för att identifiera den bästa CT-härledda plackbördan, LCBI och ESS cut-off värden som motsvarar NIRS-IVUS cutoff värden som indikerar högrisk plack (plack börda: 67 %, LCBI: 178 och ESS: 1 Pa). Blockkemogrammet i NIRS-IVUS kommer att användas för att identifiera 2 mm LCBICT cut-off som möjliggör noggrann klassificering av 2 mm segmenten som lipid- eller icke-lipidrika. Noggrannheten hos dessa cut-offs kommer att testas i valideringsdatauppsättningen.

Dessutom kommer NIRS-IVUS-data i valideringsdataset att användas för att identifiera kranskärlsskador - definierade som segment med en plackbörda >40 % i 3 på varandra följande ramar. För varje lesion kommer dess remodelleringsindex att uppskattas och användas för att klassificera dem som lesioner med positiv eller negativ remodellering. NIRS-IVUS-data kommer att användas för att karakterisera deras fenotyp och klassificera dem som: patologiska intimala förtjockning/fibrotiska plack, fibrokalka plack, fibroaterom (FA) och förkalkade fibroaterom. NIRS-IVUS lesionsklassificering kommer att användas som referensstandard för att bedöma noggrannheten av CTCA för att karakterisera lesionsfenotyp.

STATISTISK ANALYS - EFFEKTBERÄKNING Studiens primära effektmått är CTCAs förmåga att detektera FA. I en studie av Garcia-Garcia som inkluderade 129 patienter som genomgick IVUS-avbildning av singelkärl, identifierades 1,7 lesioner per patient. I studien av Puri et al., var 45 % av lesionerna FA på histologi. I den studien möjliggjorde NIRS i kombination med IVUS detektion av FA med en utmärkt noggrannhet (c-index: 0,80). Vi räknar med att vi kommer att kunna utföra NIRS-IVUS-avbildning i 2,5 kranskärl per patient och att CTCA-avbildningskvaliteten kommer att vara optimal hos 93 % av de studerade patienterna. Om vi ​​rekryterar 70 patienter räknar vi med att framgångsrikt studera med NIRS-IVUS och CTCA 162 kärl varav 120 (203 lesioner - 92 FA) kommer att användas som en valideringsdatauppsättning. Denna datauppsättning förväntas ge 80 % kraft för att visa med hjälp av 5 % signifikansnivån, att känsligheten för CTCA vid identifiering av FA inte skiljer sig från NIRS-IVUS (AUC för CTCA-intervall: 0,89-0,71), antar en sann känslighet på 0,80 för NIRS-IVUS.

Sekundära effektmått för studien är noggrannheten hos CTCA för att identifiera: a) lipidrika segment (med blockkemogrammet för NIRS-IVUS som guldstandard) och b) segment exponerade för låg ESS (<1Pa, med hjälp av ESS uppskattat i NIRS-IVUS-modellerna som referensstandard).