01文献学习今天分享的文献是由英国牛津大学拉德克利夫医学部心血管医学系等团队于2026年4月在心血管领域顶刊《Journal of the American College of Cardiology》中科院1区topIF22.3上发表的研究“Early Prediction of Heart Failure From Routine Cardiac CT Using Radiomic Phenotyping of Epicardial Fat”即基于常规心脏CT的心外膜脂肪放射组学表型分析对心力衰竭的早期预测该研究基于英国ORFAN多中心队列纳入了72,751例无已知心力衰竭或心肌梗死的成年人利用常规冠脉CT血管成像CCTA中的心外膜脂肪组织EAT通过深度生存自编码器模型提取1,655个放射组学特征构建了一个名为FRP_HF的放射组学表型评分。该模型在内部和外部验证集中均表现出对远期新发心力衰竭的强预测能力C-index 0.85显著优于传统风险模型并在不同亚组和LVEF分层中保持一致。关键词人工智能、心脏计算机断层扫描、心外膜脂肪组织、心力衰竭、肥胖、放射组学创新点①首次从常规CCTA中提取心外膜脂肪的高通量放射组学特征而非仅依赖体积或密度实现脂肪微观纹理重塑的无创捕捉。②构建生存自编码器与ComBat中心harmonization的自动化流程有效消除扫描设备异质性提升多中心数据的可重复性与鲁棒性。③明确区分全局心外膜脂肪与血管周围脂肪的病理特异性前者特异预测心衰无论是否缺血后者主要关联心梗揭示不同脂肪库的功能异质性。临床价值①在传统风险因素与冠脉病变程度基础上显著提升心衰风险分层能力5年AUC提升0.047净重分类改善达0.39。②利用常规已行CCTA检查的患者数据实现“零额外扫描”的心衰早期预警为大规模机会性筛查提供可行工具。③识别出体重指数正常但脂肪表型高危的个体可指导精准预防及新型减重药物如肠促胰素类似物的靶向使用。图 1心外膜脂肪放射组学分析流程示意图02研究背景和目的研究背景心力衰竭HF是全球范围内导致高发病率和死亡率的主要心血管疾病之一肥胖已被确认为其重要的可修饰风险因素。近年来研究发现不同脂肪组织AT的代谢特性存在显著异质性其中内脏脂肪尤其是心外膜脂肪组织EAT因其直接包绕心肌并具有活跃的旁分泌功能成为研究热点。EAT不仅能分泌促炎性脂肪因子影响心肌还能感知心肌病变如炎症、纤维化并发生结构重塑表现为脂质含量下降、含水量增加、纤维化和血管新生等变化。这些微观结构改变可通过CT图像的纹理特征放射组学捕捉但传统影像分析仅关注EAT体积缺乏高通量、标准化的定量手段。尽管冠状动脉CT血管成像CCTA已广泛应用于冠心病评估人工智能AI技术也逐步实现自动化分析但缺乏大规模、多中心的影像-临床数据整合研究限制了基于EAT放射组学表型的HF早期预警模型的构建与验证。因此亟需开发一种可泛化、自动化、能反映EAT生物学重构的影像学生物标志物以实现对HF的早期风险分层。研究目的本研究旨在开发并外部验证一种基于常规CCTA影像的、全自动的EAT放射组学特征命名为FRP HF用于早期预测新发心力衰竭的风险。研究假设EAT在受到心肌病理信号刺激后发生的组成与纹理变化可通过高通量放射组学技术从常规CCTA图像中提取并建模进而捕捉到尚未临床表现的HF风险信号。为实现这一目标研究团队利用英国9个中心的72,751名无已知HF或心肌梗死的成年CCTA受检者数据构建了包含1,655个放射组学特征体积、形状、纹理、小波变换等的生存自编码器模型并结合年龄与性别进行训练。研究重点在于1评估FRP HF与HF发生的独立相关性2比较其与传统风险因素如EAT体积、BMI、CAD-RADS的预测性能3在地理独立的验证集中验证其泛化能力4探索其与心肌梗死、死亡等终点事件的特异性关系。最终目标是提供一种可规模化、生物学可解释的影像标志物用于指导HF的精准预防和新型抗肥胖疗法的个体化应用。03数据和方法研究数据数据来源ORFAN研究NCT051693339个英国中心2007-2022年总样本量72,751人无已知HF或MI开发集59,327人7个中心用于训练和内部验证外部验证集13,424人2个地理独立中心中位随访时间4-5年结局事件新发HFICD-10编码共2.7%-2.9%技术方法自动化分割深度残差U-Net用于分割心包和EAT特征提取1,655个放射组学特征形状、一阶、纹理、小波变换数据协调ComBat法消除中心间扫描协议差异模型架构生存自编码器编码器-解码器 Cox回归层损失函数MSE Cox偏对数似然评估指标C-index、时间依赖AUC、NRI、决策曲线分析比较分析与FRP_PVAT冠周脂肪放射组学对比其对HF与MI的特异性04实验结果模型表现内部验证C-index0.86995% CI: 0.850-0.889外部验证C-index0.85095% CI: 0.831-0.870风险分层每增加25百分位FRP_HFHF风险增加约4倍HR ~ 3.9最高十分位数风险是最低十分位数的近20倍增量价值加入FRP_HF后5年AUC提升0.047外部NRI提升0.39亚组一致性性别、年龄、糖尿病、LVEFHFrEF/HFpEF亚组中均一致特异性FRP_HF与MI无显著关联与FRP_PVAT相比FRP_HF更能预测非缺血性HF图 2心外膜脂肪放射组学特征与新发心衰风险的关联图 3FRP HF与传统风险因素对5年新发心衰的区分能力比较图 4FRP HF与心衰事件的关联在不同临床亚组中的一致性图 5整体心外膜脂肪与局部血管周围脂肪的放射组学特征对比图 6体积测量与高通量放射组学表型分析示例05研究结论该研究通过大规模多中心队列72,751例证实基于常规冠状动脉CT血管成像CCTA的心外膜脂肪组织EAT放射组学表型可有效预测心力衰竭HF的早期发生。研究开发并外部验证了一个名为FRP_HF的自动化深度学习模型该模型通过提取1,655个EAT的容积、形态及高阶纹理特征显著提升了对新发HF的风险分层能力。在内部和外部验证集中FRP_HF的C-statistics分别达到0.869和0.850每增加25个百分位HF风险升高近4倍最高十分位人群风险较最低十分位升高近20倍。更重要的是FRP_HF在调整传统危险因素包括EAT体积和冠心病严重程度后仍提供增量预后价值显著改善5年风险重分类NRI 0.39和净临床获益。该模型在性别、年龄、糖尿病状态及射血分数谱系中表现一致且与心外膜脂肪的生物学重塑如脂解、纤维化、血管新生相关。相比聚焦冠状动脉周围脂肪的放射组学特征FRP_PVATFRP_HF对非缺血性及缺血性HF均有特异性但不预测心肌梗死。总之基于CCTA的自动EAT放射组学分析为临床提供了一种可扩展、生物学信息丰富的心衰早期预警工具有望指导肥胖相关心衰的精准预防。参考文献Oikonomou EK, Chan K, Patel P, Wahome E, Dangas K, Desai R, Sobirov I, Khera R, Petersen SE, Pugliese F, Rajani R, Nicol E, Kardos A, Adlam D, Kelion AD, Sabharwal N, Screaton N, Greenwood JP, Rodrigues J, Huck D, Shirodaria C, Tomlins P, Siddique M, Sohan Y, Fry S, van Assen M, Blankstein R, Desai MY, Neubauer S, Channon KM, Deanfield J, Antoniades C; ORFAN Consortium. Early Prediction of Heart Failure From Routine Cardiac CT Using Radiomic Phenotyping of Epicardial Fat. J Am Coll Cardiol. 2026 Apr 1:S0735-1097(26)05652-4. doi: 10.1016/j.jacc.2026.02.5116.