心脏磁共振无创估计肺血管阻力

摘要

目的

目的:建立一种无创估计肺血管阻力的心脏磁共振(CMR)方法。

方法与结果

该研究包括100名已知或怀疑肺动脉高压(PH值;53±16岁，73%女性)，同时接受右心导管插入术(RHC)和CMR。PVR从RHC增加定义为>n= 66, 66%)。根据CMR电影和相位对比图像，量化右心室(RV)容积和射血分数(RVEF)、肺动脉(PA)流速和面积以及心排血量。估计PVR的最佳统计模型是从推导队列(n= 80)基于生理合理性和统计标准。在其余20例患者(验证队列)中评估模型的有效性。基于cmr的模型估算PVR (in WU) = 19.38−[4.62 × Ln PA平均速度(in cm/s)]−[0.08 × RVEF (in %)]。在验证队列中，侵入性量化的PVR与cmr估计的PVR之间的相关性为0.84 (P< 0.001)。rhc推导的PVR与cmr估计的PVR之间的平均偏差为−0.54(一致区间为−6.02至4.94 WU)。CMR模型正确地将18例(90%)患者分类为PVR正常或增加(受试者操作特征曲线下面积0.97;95%置信区间:0.89-1.00)。

结论

使用CMR无创估计PVR是可行的，可能对PH诊断和/或随访有价值。

简介

肺血管阻力(PVR)对肺动脉高压(PH)患者的诊断评价和预后有重要意义。^1,2目前，PVR的量化需要有创性右心导管(RHC)。一种准确的无创PVR测量方法将有助于消除RHC相关的不适、辐射暴露和小但真实的发病率和死亡率风险。^3.多普勒超声心动图已成为无创估计收缩压(PAP)的常规方法，¹但由于数据的不确定性和相互矛盾，不被广泛接受作为PVR的估计。^{4 - 9日}心脏磁共振(CMR)已被提出作为一种替代超声心动图评估肺循环血流动力学。^{10 - 14}由于其能够准确评估右心室(RV)和肺动脉(PA)的解剖和功能，CMR为PVR量化提供了潜力。初步研究表明，几种cmr衍生参数与rhc量化PVR之间存在显著相关性。^{15 - 20}我们假设基于CMR的模型可以允许对绝对PVR值进行无创估计。

方法

人口

本研究纳入了在同一天接受RHC和CMR的连续临床转诊评估已知或疑似慢性PH的患者。排除有心脏内分流的患者。根据最近修订的PH分类，确定或假定PH诊断的基础疾病并进行分类。²¹机构审查委员会批准了这项研究，放弃了知情同意，所有人都同意了该程序。

心脏磁共振

使用1.5特斯拉(Magnetom Sonata)进行心脏磁共振研究^®(西门子医疗解决方案)或3.0特斯拉(Achieva^®(飞利浦医疗系统公司)的磁铁，使用专用表面线圈和回顾性心电图门控。图像是在呼气末屏气时获得的。对于右心室的电影成像，使用稳态自由进动序列获得10-15个连续的短轴切片，覆盖从底部到顶部的两个心室，并重建成25个心相，用于评估心室容量和功能。典型成像参数包括:重复时间/回波时间:3.2-3.9/1.6-2 ms;翻转角度:45-90°;切片厚度:6mm;片间间隙:4mm;平面内空间分辨率:1.5-2 mm;时间分辨率:33-45毫秒。流成像垂直于主PA，采用速度编码梯度回波序列，速度上限为100 cm/s(如果有信号混叠，还会进一步增加)。 For this purpose, two double-oblique orthogonal views oriented along the main axis of the PA trunk were acquired with a standard steady-state free precession cine sequence and used as the reference to prescribe a plane truly perpendicular to the main PA for the acquisition of phase-contrast images. Care was taken to ensure that the imaging plane remained between the pulmonary valve and PA bifurcation throughout the cardiac cycle. In addition, aortic velocity and left ventricular cardiac output were systematically measured to rule out intra-cardiac shunts. The following typical imaging parameters were applied: repetition time/echo time: 5.9–7.5/3.1–3.6 ms; number of excitations: 1; slice thickness: 6 mm; in-plane resolution: 1.5–3 mm; reconstructed cardiac phases: 20; temporal resolution: 55–105 ms.

图像分析使用专门的软件(Argus^®，西门子医疗解决方案，Erlangen，德国或扩展MR工作区^®，飞利浦医疗系统，贝斯特，荷兰)。在电影图像上，分别根据最大和最小心室容积的视觉评估以及房室瓣和半月瓣的打开或关闭来选择舒张末期和收缩末期帧。在舒张末期和收缩末期人工描摹双室心内膜轮廓，并使用Simpson方法自动计算舒张末期容积、收缩末期容积和射血分数。血池中包括右心室小梁。同样，在每个心脏期勾画出PA主截面的内部轮廓，通过PA面积和流量的整合，量化以下参数:峰值速度、整个心脏周期的平均速度、最小和最大面积以及PA净正向容量。没有进行相位偏移校正。肺动脉搏动为(最大PA面积-最小PA面积)/最小PA面积× 100。¹⁸双心室容积和PA面积由体表面积调整，以考虑患者大小的差异。

右心导管

采用标准方法经股静脉或颈内静脉引入Swan-Ganz导管进行右心导管插管。血流动力学测量包括平均右心房压、收缩压、平均和舒张压PAP、肺毛细血管楔压和右心室心排血量(热稀释法)。肺血管阻力计算为平均PAP与毛细血管楔形压力之差除以右心室心排血量。当平均PAP为>25 mmHg, PVR增加定义为>3 WU时，即可诊断PH。¹

统计分析

分类值表示为绝对数字(百分比)，连续变量表示为中位数(四分位数范围)。研究人群使用免费软件(研究随机器)随机分为衍生队列(80%的患者)和验证队列(20%的患者)^®)．²²采用推导队列建立PVR估计模型，并在验证队列中检验模型的有效性。首先，使用Spearman相关系数评估cmr衍生参数与侵入性量化PVR之间单变量关联的方向和强度。评估散点图以确定关联类型(如线性、指数)，并相应地进行相关变量转换。随后，基于理论原理和与PVR的关联强度，选择了六个变量，并结合使用SPSS宏创建所有可能的模型^®．²³根据统计标准和生理合理性，得到最佳模型。在统计学上，一个模型的Mallows’Cp统计量、Akaike信息标准和Bayesian信息标准在调整相似的情况下越小，被认为拟合越好R²比其他可能的统计模型。通过评估残差分布，在最终模型中检验了多元模型的同方差性、观测的独立性和对数线性关系。

采用Spearman相关、Bland-Altman分析和受试者操作者特征(ROC)曲线评估推导队列中PVR估计模型的诊断准确性。从ROC曲线中得出了一个具有平衡敏感性和特异性的诊断PVR增加的临界值。在验证队列中使用相同的测试评估模型的有效性。此外，计算Kappa系数来评估模型与RHC之间的一致性，以诊断PVR增加。在验证队列中，通过检查PVR估计值和估计值的标准误差来单独评估PVR估计值的质量，并与有创PVR值进行比较。随后，将推导和验证队列集中在一起，并在以下预先指定的亚组中比较CMR模型的准确性:男性vs.女性，年龄低于或等于中位年龄，高于中位年龄，肺动脉高压(PAH) vs.其他PH病因，严重vs.非严重PVR增高(分别定义为PVR≤或>8 WU)。⁷对比r两个不同亚组的系数使用Fisher Z变换进行。为了评估该方法的观察者内和观察者间的再现性，10项CMR研究由同一研究者和两个不同研究者进行了两次测量，并计算了类内相关系数的绝对一致性，并计算了差异的平均值和标准差。所有的测试都是双尾的P值<0.05为有统计学意义。采用SPSS软件进行统计学分析^®(版本15.0)。

结果

共确定了100例连续患者(排除4例心脏内分流患者)，并随机分为衍生组(n= 80)和验证(n= 20)队列。98项研究使用1.5特斯拉西门子扫描仪，2项研究(均属于衍生队列)使用3特斯拉飞利浦扫描仪。研究人群的临床、RHC和CMR数据汇总于表格1．中位年龄为52岁，73%为女性。79%的患者通过RHC诊断为PH。PVR中位数为4.7，范围为0.4 ~ 16.4 WU。基线特征在队列之间得到平衡。除了验证队列中PA净转发量较低外，无统计学意义上的差异。

CMR测量值与RHC PVR之间的相关性显示在表格2．选取PA平均速度、PA最小面积、PA净正向容量、右心室心排血量、RVEF和右心室收缩末期容积，并将其结合起来，创建所有可能的模型来估计PVR。RVEF和PA平均速度两个相关系数最高的变量的散点图如图所示数字1．自然对数变换PA平均速度与RVEF相结合的模型在统计性能上优于其他所有可能的模型，在理论上是合理的。最终模型为:估算PVR (in WU) = 19.38−[4.62 × Ln PA平均速度(in cm/s)]−[0.08 × RVEF (in %)]。RVEF和Ln PA速度的加权beta系数分别为−0.3和−0.54。

在派生队列中(n= 80)，使用无创模型估计的PVR与有创PVR强相关(r= 0.83;P< 0.001;数字2一个)．Bland-Altman分析的平均偏倚为0.095,95%置信区间(CI)为−4.71 ~ 4.89数字2B)．PVR值较低时的一致性较好。cmr模型检测PVR增加的ROC曲线下面积为0.96;95% ci: 0.92-0.99 (数字2C)．最佳临界值4.2提供了最佳的平衡敏感性(92.5%)和特异性(85.2%)。

在验证组，估计PVR和有创PVR之间的相关性仍然很高(r= 0.84;P< 0.001,数字3.一个)．Bland-Altman分析的平均偏倚为−0.54±2.80，一致性限为−6.02和4.94数字3.B)．用于检测PVR增加的估计PVR的ROC曲线下面积为0.97;95% ci: 0.89-1.00 (数字3.C)．使用4.2的分界点，模型正确分类了18名(90%)患者，Kappa系数为0.78;P< 0.001。表格3.显示了所有20例患者的有创PVR、无创PVR估计值和标准误差。

亚组分析(表格4)表明，无论性别、年龄或PAH与其他PH病因，对无创PVR估计的准确性相当。然而，在PVR严重增加的患者中，准确性降低(r= 0.41 vs.;r= 0.79;P< 0.01)。通过CMR估计PVR的观察者内部和观察者之间的一致性非常好(类内相关系数均为0.99;平均偏倚分别为0.14±0.33 WU和0.10±0.21 WU)。另外，RVEF和PA平均速度的观察者内和观察者间一致性非常好:类内相关系数均为0.97,RVEF的平均偏倚分别为1.80±2.51和−1.21±2.01%;类内相关系数均为0.99,PA平均速度平均偏差分别为- 0.13±0.38和- 0.11±0.28 cm/s。

讨论

我们的结果表明，使用CMR对PVR进行无创估计是可行的，并且与RHC相比，所推导的模型允许以更高的精度检测PVR的增加。肺血管阻力在PH患者的诊断、治疗和预后中很重要。^1,2虽然目前PH的诊断是基于PAP，但至少在特发性PH中，PVR有更一致的预后价值。²此外，在慢性PH的晚期，随着RV衰竭的进展，PAP可能降低，而PVR继续增加。¹多普勒超声心动图被广泛应用于无创测量收缩期PAP。然而，多普勒超声心动图用于估计PVR仍存在争议。阿巴斯等．⁴发现三尖瓣回流速度峰值与右心室流出道时间-速度积分的比值可用于估计PVR，相关性好，一致性限窄。然而，他们的人群规模较小，PH严重程度范围狭窄，当其他人群在PVR范围更广的PH人群中验证时，⁷一致限度显著升高(−8.4 ~ 8.4 WU)。同样,Kouzu等．⁶在43例PH严重程度不同的患者中使用三尖瓣反流压力梯度峰值与右心室流出道时间-速度积分的比值，其结果与我们的结果相似，但一致性范围更广(约为- 9至9wu)。Scapellato等．⁸发现PVR在射前期与总收缩时间归一化加速时间的比值之间存在极好的相关性，但仅评估了左室收缩功能不全患者，并没有报告估计的一致限度或标准误差，从而排除了准确性评估和与其他研究的比较。Selimovic等．⁹报道了多普勒超声心动图估计跨肺压力梯度和右心室心排血量可用于无创评估PVR。当同时对RHC进行这项费力的技术时，它与PVR提供了极好的相关性，平均偏差为0.25 WU(一致限−3.87至4.37)。然而，当应用于另一个PH人群，在3小时内进行超声心动图和RHC时，⁵相关性降低，一致性极限增加到−8.8和14.0 WU/m²．哈达德等．⁵比较了塞利莫维奇描述的指数等．,⁹阿巴斯等．,⁴和Scapellato等．⁸以及一种基于收缩期PAP -心率指数乘以右心室流出道时间-速度积分的新方法。他们发现新方法与侵入性PVR和指数化PVR有更好的相关性(r= 0.78和r= 0.86)， ROC曲线下面积为0.89，检测PVR >15 WU/m。²与指数PVR (- 9.7 ~ 9.8 WU/m)一致²)的结果与我们的结果相当。最近，贝克-汉森等．²⁴发现与PAP反射相关的三个多普勒变量与PVR之间存在中度相关性(r从0.43到0.58)。检测PVR >3 WU的ROC曲线下面积在0.87 ~ 0.98之间。总之，我们基于cmr的技术已经在一个单独的患者队列中得到验证，似乎提供的PVR估计值的一致性至少与现有超声心动图方法报道的相同。CMR的优点包括独立于足够的声窗或不充分的三尖瓣反流，这在10-25%的PH患者中被注意到。¹

先前的研究已经探索了CMR用于PAP量化的各种参数的潜力，但初步的有希望的结果在外部人群中验证时尚未得到证实。²⁵此外，几项样本量均小于当前调查的研究报告了cmr衍生指数与PVR的相关性。^{15 - 20}Mousseaux等．¹⁷报道射血时流量最大变化与加速容积之比可用于识别PVR≥6wu患者。其他先前的研究也结合侵入性测定PAP和同步相位对比成像来量化PVR。^26,27然而，据我们所知，目前还没有一种有效的方法可以完全无创地用CMR来量化绝对PVR值。我们发现，包含PA平均速度和RVEF的简化模型对PVR估计的拟合优度与包含多个附加变量的更复杂模型相似。这种方法的另一个优点是RVEF和PA平均速度很容易量化，无需使用造影剂。目前，我们认为这种非侵入性方法可以作为疑似ph诊断的第一步。那些结果呈阳性(估计PVR >4.2)的患者在开始特定治疗前仍应进行有创导尿管检查以确认诊断。

肺动脉速度是与PVR单变量相关性最强的参数，在预测模型中权重最高(几乎是RVEF的两倍)。从病理生理学角度来看，PA速度具有动态参数的优势，具有跟踪PVR变化的潜力(S. Dellegrottaglie，未发表的数据来自我们实验室)。在PH患者中存在低PA速度已被广泛描述。^10,28对于这一发现有几种可能的解释。PH患者可能出现PA扩张，对于任何给定的流量和PAP，随着PA扩张速度下降。²⁹PH值也可能伴随着PA中收缩性逆行血流的存在，这可能有助于平均速度的降低。^10,28此外，随着PVR的增加，通过肺树的血液运输受到阻碍，^30.导致血流减慢。在整个心脏周期中，平均全PA横截面速度的另一个优点包括不需要假设均匀的PA流量剖面。其他技术如多普勒超声和导管尖端速度传感器只能确定横截面内单点的速度。在我们小组之前的一项研究中探索了流量参数与肺血流动力学之间的简单相关性，PA平均速度与指数PVR的相关性最强。¹⁹在我们目前的研究中，我们证实了这种关联，并确定了其曲线性质:在晚期，PVR继续增加，PA平均速度几乎没有降低，可能是因为PA不能进一步扩张。右心室射血分数与PVR也表现出良好的相关性，提示右心室功能障碍的程度在很大程度上反映了ph的严重程度和慢性程度。在疾病晚期，当PA平均速度处于平台期时，将RVEF加入模型可以提高其诊断准确性。

在亚组分析中，模型表现与年龄、性别和PH病因无关，但我们观察到在耐药性严重增加的患者中，PVR低估的准确性较低。PVR越高，侵入性PVR和估计PVR之间的一致性越差，也可以在Bland-Altman分析中注意到(数字2B)．由于该模型是基于一个常数19，从中减去RVEF和PA速度积，我们的方法不能预测PVR值>19 WU。因此，我们的模型可能无法检测到非常严重的PVR升高范围内的变化，尽管理论上可以检测到中度或轻度PVR升高的可逆性。

本研究的主要局限性是RHC和CMR没有同时进行;因此，PVR可能在两次测试之间发生了一些自发的变化。³¹我们试图通过只研究在同一天接受两种手术的患者来克服这一限制。尽管有创测量是在自由呼吸时进行的，CMR是在屏气时进行的，这可能会引起肺血速和心排血量的微小变化。³²我们用目前PVR量化的金标准RHC验证了我们的CMR方法。然而，必须承认RHC也有局限性，包括由于血管修剪导致的楔压定量不准确，或者在存在明显的三尖瓣反流时通过热稀释测量心排血量不精确。侵入性测量使用充液导管而不是压力计尖端高保真导管，这可能导致高估峰值收缩压;然而，PVR量化的预期误差被认为是非常小的。³³用于相位对比图像的时间分辨率往往会低估心排血量，如图所示表格1．我们研究了慢性PH患者;因此，我们的结论可能不适用于急性PH。我们的模型是在有~ 30%严重PH患者的人群中开发和测试的;因此，将该模型应用于PVR严重增加患者比例显著较高的人群可能需要对模型进行重新校准。研究中纳入的人群在病因和PVR严重程度范围方面是异质性的。尽管这可能会对我们模型的性能造成不利影响，但它是典型的转介到RHC进行PH评估的代表。具体来说，我们的数据不能外推到分流患者，因为这些患者被排除在我们的研究之外。最后，该研究的样本量，特别是验证队列的样本量相对较小，且来自单一中心。应该进行更大规模的验证研究和外部验证，最好是多中心研究，以确认模型的准确性。

综上所述，CMR完全无创估计PVR是可行的，具有可接受的一致性范围和较高的检测PVR增加的准确性。这种新方法可能具有重要的临床应用，如作为PH诊断的初始步骤，并有可能评估与疾病病程或治疗干预相关的一系列变化。

资金

这项工作得到了西班牙马德里国家心血管研究中心(CNIC)的部分支持(CARDIOJOVEN项目给A.G.A.， CARDIOIMAGEN项目给J.G.M.);Instituto de Formación e Investigación ' Marqués de Valdecilla '，西班牙桑坦德(Post-MIR Wenceslao López Albo赠款给l.f.f)和西班牙心脏病学会(Post-Residency赠款给l.f.f和A.G.A.)。

利益冲突:J.S.博士曾担任GE Healthcare的顾问。

参考文献