Lee, Joo Myung; Choi, Gilwoo; Koo, Bon-Kwon et al. · 2019 · JACC: Cardiovascular Imaging
Metadata
Authors: Lee, Joo Myung; Choi, Gilwoo; Koo, Bon-Kwon; Hwang, Doyeon; Park, Jonghanne; Zhang, Jinlong; Kim, Kyung-Jin; Tong, Yaliang; Kim, Hyun Jin; Grady, Leo; Doh, Joon-Hyung; Nam, Chang-Wook; Shin, Eun-Seok; Cho, Young-Seok; Choi, Su-Yeon; Chun, Eun Ju; Choi, Jin-Ho; Nørgaard, Bjarne L.; Christiansen, Evald H.; Niemen, Koen; Otake, Hiromasa; Penicka, Martin; de Bruyne, Bernard; Kubo, Takashi; Akasaka, Takashi; Narula, Jagat; Douglas, Pamela S.; Taylor, Charles A.; Kim, Hyo-Soo
📄 Quick Note¶
摘要概述¶
本文是 EMERALD 研究，纳入 72 例在 ACS 发生前 1 个月至 2 年内做过 coronary CTA 的患者（66 个 culprit 病变 + 150 个 nonculprit 病变，case-control 设计），用 coronary CTA 结合 computational fluid dynamics (CFD) 同时评估解剖狭窄程度、adverse plaque characteristics (APC，如 low-attenuation plaque、positive remodeling、napkin-ring sign、spotty calcification) 和血流动力学参数（FFRCT、ΔFFRCT、wall shear stress、axial plaque stress）。结果显示 culprit 病变在狭窄程度、APC 发生率以及各血流动力学异常上均显著高于 nonculprit 病变；在解剖学模型 (model 1) 之上叠加 APC (model 2)、再叠加 adverse hemodynamic characteristics (AHC, model 3) 后，c-index 从 0.747 提升至 0.789 (p=0.014)，NRI 与 IDI 亦显著改善。同时具备 APC 和 AHC 的病变发生后续 ACS 的风险是无 APC/AHC 病变的 11.75 倍 (HR 11.75, 95% CI 2.85–48.51)，表明无创血流动力学评估能显著提升对"将导致 ACS 的高风险斑块"的识别能力。
关键图表¶
- Figure 1 (Study Flow)：从 11 个国际中心筛查到最终纳入 72 例患者、216 个病变的流程图，体现 case-control 设计与严格的核心实验室盲法病变判定。
- Figure 3 (Comparison of Discriminant and Reclassification Ability)：三个递进预测模型（model 1 = %DS + lesion length；model 2 = +APC；model 3 = +AHC）的 ROC 曲线、c-index、NRI、IDI 对比，直观展示加入血流动力学参数后判别与重分类能力的增量提升。
- Figure 4 (Proportion of Culprit Lesions and Cumulative Risk)：按 APC/AHC 有无将病变分三组，APC(+) & AHC(+) 组 culprit 比例达 51.1%，Kaplan-Meier 累积风险曲线分离显著 (log-rank p<0.001)，HR 11.75，是本文最核心的临床结论图。
与我的关联¶
该论文将 CFD 计算的局部血流动力学参数（WSS、axial plaque stress、FFRCT 跨病变压降）与影像表型整合用于斑块破裂风险预测，与我工作中 SMC G&R 模型关注的"力学微环境驱动血管壁重塑"主题直接相关——可作为"patient-specific 几何 + CFD 力学载荷如何解释临床事件"的范例，并为模型中 WSS、轴向应力等量的临床意义提供对照与验证依据。