Những điểm nổi bật
- Phân tích hình ảnh OCT dựa trên AI hiệu quả trong việc xác định các xơ vữa mỏng vỏ bọc (TCFA) với độ chính xác tiên lượng cao, cung cấp một lựa chọn tiêu chuẩn thay thế cho việc đánh giá thủ công.
- TCFA do AI xác định trong các tổn thương không phải thủ phạm có liên quan đáng kể đến việc tăng gấp đôi nguy cơ MACE trong 2 năm, trong khi việc xác định thủ công tại phòng thí nghiệm lõi không đạt ý nghĩa thống kê.
- Đánh giá toàn bộ đoạn vành được hình ảnh hóa thông qua AI cho thấy nguy cơ tăng 5.5 lần, cung cấp giá trị tiên lượng âm 97.6% cho các sự kiện trong tương lai.
Lời mở đầu: Cuộc săn tìm mảng xơ vữa dễ vỡ
Xác định “mảng xơ vữa dễ vỡ”—một tổn thương có nguy cơ vỡ và gây huyết khối—vẫn là một mục tiêu cao quý trong can thiệp tim mạch. Trong số các hình thái mảng xơ vữa khác nhau, xơ vữa mỏng vỏ bọc (TCFA) đã được xác nhận về mặt mô học và lâm sàng là tiền thân chính của hầu hết các cơn đau tim cấp tính (MI). Hình ảnh cộng hưởng quang học (OCT) cung cấp độ phân giải cao nhất trong bất kỳ phương pháp hình ảnh trong lòng mạch nào, cho phép đo độ dày vỏ bọc xơ và xác định các lõi giàu chất béo. Tuy nhiên, việc xác định TCFA thủ công tốn nhiều công sức, yêu cầu kiến thức chuyên môn và bị hạn chế bởi sự biến đổi giữa người quan sát.
Sự xuất hiện của trí tuệ nhân tạo (AI) trong hình ảnh y tế cung cấp một giải pháp tiềm năng cho những thách thức này. Bằng cách sử dụng các thuật toán học sâu, các bác sĩ có thể tự động hóa việc phát hiện các đặc điểm mảng xơ vữa có nguy cơ cao. Nghiên cứu PECTUS-AI được thiết kế để đánh giá liệu cách tiếp cận dựa trên AI để xác định TCFA có thể không chỉ bằng mà còn có thể nâng cao giá trị tiên lượng của OCT ở bệnh nhân có tiền sử đau tim.
Thiết kế nghiên cứu và phương pháp
Nghiên cứu PECTUS-AI là một phân tích thứ cấp của nghiên cứu quan sát triển vọng PECTUS-obs. Đối tượng nghiên cứu bao gồm 438 bệnh nhân đã gần đây trải qua một cơn đau tim và được phát hiện có các tổn thương không phải thủ phạm. Các tổn thương không phải thủ phạm này được coi là không có ý nghĩa sinh lý dựa trên thử nghiệm dự trữ dòng chảy phân đoạn (FFR) (FFR > 0.80). Dù có sinh lý ổn định, các tổn thương này vẫn được hình ảnh hóa bằng OCT để đánh giá sự ổn định hình thái.
Các nhà nghiên cứu so sánh hai phương pháp chính của phân tích OCT:
Phân tích phòng thí nghiệm lõi thủ công (CL-TCFA)
Các chuyên gia độc lập xem xét các bản kéo lại OCT để xác định TCFAs, được định nghĩa bằng độ dày vỏ bọc xơ 90 độ.
Phân tích dựa trên AI (AI-TCFA)
Thuật toán OCT-AID, một công cụ phân đoạn học sâu gần đây đã được xác nhận, được sử dụng để tự động phát hiện các đặc điểm TCFA trên các đoạn được hình ảnh hóa. AI được giao nhiệm vụ đánh giá cả “tổn thương mục tiêu” cụ thể (trang web âm FFR) và “kéo lại hoàn chỉnh” (độ dài toàn bộ động mạch được hình ảnh hóa trong quá trình).
Điểm cuối chính là một hợp nhất của tử vong do mọi nguyên nhân, cơn đau tim không gây tử vong hoặc tái can thiệp không dự kiến trong hai năm, loại trừ các sự kiện liên quan đến thủ tục ban đầu hoặc các stent trước đó.
Kết quả chính: Sự vượt trội của AI trong việc phân biệt
Nghiên cứu đã đưa ra một số kết quả quan trọng làm nổi bật tính hữu ích lâm sàng của việc phân tích mảng xơ vữa tự động. Trong số 414 bệnh nhân có dữ liệu có thể đánh giá, AI-TCFA được xác định ở 34.5%, trong khi phân tích phòng thí nghiệm lõi thủ công xác định TCFA ở 30.0%.
Giá trị tiên lượng của tổn thương mục tiêu
Khi tập trung vào tổn thương không phải thủ phạm mục tiêu cụ thể, sự hiện diện của TCFA được AI phát hiện có liên quan đáng kể đến nguy cơ cao hơn của kết quả chính (Tỷ lệ nguy cơ [HR] 1.99, KTC 1.02-3.90, P = .04). Ngược lại, mối liên hệ giữa TCFA được xác định thủ công (CL-TCFA) và kết quả không đạt ý nghĩa thống kê (HR 1.67, KTC 0.84-3.30, P = .14). Điều này cho thấy rằng thuật toán AI có thể nhạy cảm hoặc nhất quán hơn trong việc xác định các đặc điểm chuyển thành nguy cơ lâm sàng.
Sức mạnh của kéo lại hoàn chỉnh
Có lẽ kết quả đáng chú ý nhất của nghiên cứu là sức mạnh tiên lượng của AI khi áp dụng cho đoạn được hình ảnh hóa hoàn chỉnh. Bệnh nhân có AI-TCFA được phát hiện ở bất kỳ đâu trong kéo lại hoàn chỉnh có nguy cơ cao hơn đáng kể để gặp kết quả chính, với Tỷ lệ nguy cơ 5.50 (KTC 1.94-15.62, P < .001). Hơn nữa, việc không có AI-TCFA trong kéo lại hoàn chỉnh mang lại Giá trị tiên lượng âm (NPV) 97.6%. Điều này ngụ ý rằng nếu AI không tìm thấy TCFA trong mạch máu được hình ảnh hóa, khả năng xảy ra sự kiện tim mạch lớn trong mạch máu đó trong hai năm tới là cực kỳ thấp.
Bình luận của chuyên gia: Ý nghĩa lâm sàng và hiểu biết cơ chế
Kết quả của PECTUS-AI gợi ý một sự thay đổi mô hình trong cách chúng ta diễn giải hình ảnh trong lòng mạch. Thực tế là AI vượt trội hơn các chuyên gia về con người trong việc tiên lượng các sự kiện làm nổi bật hạn chế của đánh giá thị giác của con người, có thể bỏ qua những biến đổi tinh tế nhưng quan trọng về độ dày vỏ bọc hoặc phân bố chất béo. Thuật toán AI cung cấp mức độ chi tiết và tiêu chuẩn hóa khó đạt được trong môi trường lâm sàng bận rộn.
Từ góc độ cơ chế, các kết quả này củng cố bản chất “toàn mạch” của xơ vữa động mạch. Sự tăng cường sức mạnh tiên lượng của kéo lại hoàn chỉnh so với tổn thương mục tiêu đề xuất rằng gánh nặng tổng thể của mảng xơ vữa dễ vỡ trong một mạch là một chỉ số rủi ro vững chắc hơn so với một điểm tiêu điểm duy nhất. Điều này phù hợp với hiểu biết hiện tại về các yếu tố viêm hệ thống gây bất ổn mảng xơ vữa.
Tuy nhiên, các bác sĩ phải cân nhắc các hạn chế. Mặc dù việc xác định bằng AI cung cấp thông tin tiên lượng mạnh mẽ, nghiên cứu chưa chứng minh rằng điều trị các tổn thương được AI xác định (ví dụ, bằng cách đặt stent dự phòng hoặc tăng cường điều trị y tế) sẽ cải thiện kết quả. Các thử nghiệm ngẫu nhiên kiểm soát thêm, như thử nghiệm PREVENT đang diễn ra, sẽ cần thiết để xác định liệu các can thiệp dựa trên AI có thể giảm tỷ lệ sự kiện hay không.
Kết luận
Nghiên cứu PECTUS-AI xác lập phân tích OCT dựa trên AI là một công cụ mạnh mẽ để phân loại rủi ro tim mạch. Bằng cách cung cấp một đánh giá tiêu chuẩn, khách quan và có độ chính xác tiên lượng cao của các xơ vữa mỏng vỏ bọc, AI có thể giúp các bác sĩ xác định bệnh nhân có nguy cơ cao mắc các sự kiện vành trong tương lai. Giá trị tiên lượng âm cao của phân tích AI toàn đoạn đặc biệt có giá trị, có thể cho phép chiến lược “loại trừ” cho các đặc điểm mảng xơ vữa có nguy cơ cao. Khi các thuật toán này được tích hợp vào quy trình làm việc của phòng catheter, chúng hứa hẹn sẽ nâng cao độ chính xác của chăm sóc tim mạch dựa trên bằng chứng.
Quỹ và ClinicalTrials.gov
Nghiên cứu PECTUS-obs được hỗ trợ bởi các khoản tài trợ từ Tổ chức Nghiên cứu và Phát triển Sức khỏe Hà Lan (ZonMW). Phân tích PECTUS-AI được thực hiện độc lập bằng thuật toán OCT-AID. ClinicalTrials.gov Identifier: NCT02852876.
Tài liệu tham khảo
Volleberg RHJA, Luttikholt TJ, van der Waerden RGA, et al. Xác định các xơ vữa mỏng vỏ bọc dựa trên AI và kết quả lâm sàng: nghiên cứu PECTUS-AI. Eur Heart J. 2025;46(46):5032-5041. doi:10.1093/eurheartj/ehaf595.