Quantitative coronary calcification analysis for prediction of myocardial ischemia using non-contrast CT calcium scoring

Resumen Técnico: Análisis Cuantitativo de la Calcificación Coronaria para la Predicción de Isquemia Miocárdica

Planteamiento del Problema
La enfermedad arterial coronaria (EAC) sigue siendo una causa principal de morbilidad y mortalidad a nivel mundial, siendo la isquemia miocárdica un precursor crítico de eventos cardiovasculares adversos. Si bien la imagen de perfusión cardíaca por tomografía por emisión de positrones (PET) bajo estrés con regadenosón es el estándar de oro para detectar la isquemia miocárdica debido a su precisión cuantitativa, se ve limitada por altos costos, exposición a radiación y la necesidad de infraestructura especializada. Por el contrario, la puntuación de calcio mediante tomografía computarizada (TC) sin contraste es una herramienta de cribado ampliamente disponible y de bajo costo para la estratificación del riesgo cardiovascular. Sin embargo, la evaluación tradicional de la puntuación de calcio mediante TC se basa principalmente en la puntuación de Agatston, que cuantifica la carga de placa calcificada pero no logra capturar la compleja distribución espacial, la morfología y la heterogeneidad de las calcificaciones que pueden correlacionarse con la isquemia funcional. Este estudio aborda la brecha en la utilización de las exploraciones rutinarias de TC sin contraste para predecir la isquemia miocárdica mediante un análisis cuantitativo avanzado.

Metodología
El estudio empleó un análisis retrospectivo de 1.375 pacientes del registro CLARIFY de los University Hospitals Cleveland Medical Center, quienes se sometieron tanto a TC sin contraste como a PET cardíaco bajo estrés con regadenosón dentro de un año. Tras excluir a pacientes con puntuaciones de calcio coronario (CAC) cero (debido a la baja prevalencia de isquemia) y aquellos con cirugía de bypass previa o datos incompletos, la cohorte final consistió en 987 pacientes (89 positivos para isquemia, 898 negativos para isquemia).

El marco técnico involucró los siguientes pasos:

1. Extracción de Características: Se extrajo un conjunto completo de 74 variables, incluidas cuatro variables clínicas (edad, sexo, diabetes, tabaquismo), la puntuación total de Agatston y 69 características de "calcio-ómica". Estas características caracterizaron la placa calcificada en tres escalas: lesiones individuales (masa, volumen, estadísticas de Unidades Hounsfield [UH], forma), territorios arteriales coronarios y regiones de todo el corazón (distribución, heterogeneidad, estadísticas de histograma).
2. Selección de Características: El algoritmo de Gradient Boosting Extremo (XGBoost) se combinó con SHapley Additive exPlanations (SHAP) para identificar las características más predictivas. Este proceso utilizó validación cruzada de 5 pliegues para evitar la fuga de datos.
3. Desarrollo del Modelo: Se construyeron y compararon tres modelos predictivos:
   • Modelo 1: Solo variables clínicas.
   • Modelo 2: Variables clínicas + puntuación de Agatston.
   • Modelo 3: Variables clínicas + puntuación de Agatston + características de calcio-ómica.
     Todos los modelos se entrenaron utilizando XGBoost con hiperparámetros específicos (tasa de aprendizaje 0,05, profundidad máxima 3, regularización) y se evaluaron frente a los algoritmos Random Forest, SVM y CatBoost.
4. Análisis Estadístico: El rendimiento se evaluó utilizando precisión, sensibilidad, especificidad, exactitud, puntuación F1, AUROC y AUPRC. Se realizaron regresiones logísticas univariables y multivariables para evaluar las asociaciones entre características específicas e isquemia.

Resultados Clave

• Importancia de las Características: El Modelo 3 final incorporó la puntuación de Agatston, ocho características de calcio-ómica y la edad. La puntuación de Agatston demostró la contribución general más fuerte en el análisis SHAP.
• Rendimiento Predictivo: La adición de características de calcio-ómica produjo mejoras significativas.
  • Modelo 1 (Solo clínico): AUROC 0,620, Exactitud 62,2%.
  • Modelo 2 (Clínico + Agatston): AUROC 0,912, Exactitud 95,7%, Puntuación F1 76,4%.
  • Modelo 3 (Modelo Completo): Logró el rendimiento más alto con un AUROC de 0,931, un AUPRC de 0,864, una exactitud de 98,0±1,0%, una precisión de 98,9±3,0%, una sensibilidad de 79,2±8,4% y una puntuación F1 de 87,7±5,3%.
• Comparación de Algoritmos: XGBoost superó consistentemente a Random Forest, SVM y CatBoost, aunque todos los modelos mostraron una alta especificidad (>97%).
• Hallazgos de la Regresión Logística: En el análisis univariable, el número de arterias calcificadas (numArtCalc) mostró la asociación más fuerte con la isquemia (Odds Ratio: 3,63), a pesar de ser la característica de menor rango en el análisis SHAP. En el análisis multivariable, ninguna característica individual permaneció significativamente independiente, probablemente debido a la multicolinealidad entre las características de calcio-ómica.

Contribuciones Clave

1. Marco Novel: Este es el primer estudio que investiga la predicción de la isquemia miocárdica directamente a partir de imágenes de TC sin contraste utilizando un análisis cuantitativo de la calcificación coronaria (calcio-ómica) y aprendizaje automático.
2. Valor Incremental: El estudio demuestra que las características de calcio-ómica proporcionan un valor predictivo incremental significativo más allá de los factores de riesgo clínicos convencionales y la puntuación estándar de Agatston.
3. Robustez: Las características seleccionadas demostraron ser robustas a través de diferentes algoritmos de aprendizaje automático, lo que sugiere generalizabilidad.
4. Utilidad Clínica: El enfoque aprovecha las exploraciones de TC sin contraste adquiridas rutinariamente, permitiendo potencialmente una estratificación del riesgo cardiovascular más accesible y rentable sin radiación adicional ni administración de contraste.

Significado y Reivindicaciones
Los autores afirman que su enfoque de aprendizaje automático traduce con éxito los datos rutinarios de TC sin contraste en una herramienta capaz de predecir la isquemia miocárdica. Postulan que las características de calcio-ómica capturan información funcional relacionada con la isquemia que no se refleja en la puntuación de Agatston por sí sola. El estudio sugiere que, si se valida en cohortes multicéntricas más grandes, este método podría ayudar a identificar a los pacientes que requieren pruebas funcionales adicionales o un manejo preventivo agresivo, mejorando así el valor clínico del cribado de calcio estándar. Los autores permanecen modestos respecto al alcance actual, reconociendo limitaciones como el diseño retrospectivo de un solo centro, el número relativamente pequeño de casos isquémicos (89) y la exclusión de pacientes con puntuaciones CAC cero, señalando que es necesaria una validación externa antes de la implementación clínica generalizada.