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

Résumé Technique : Analyse Quantitative de la Calcification Coronarienne pour la Prédiction de l'Ischémie Myocardique

Énoncé du Problème
La maladie coronarienne (MC) demeure une cause majeure de morbidité et de mortalité à l'échelle mondiale, l'ischémie myocardique servant de précurseur critique aux événements cardiovasculaires indésirables. Bien que l'imagerie de perfusion par tomographie par émission de positons (TEP) cardiaque sous stress au régadénoson soit la référence pour détecter l'ischémie myocardique en raison de sa précision quantitative, elle est limitée par des coûts élevés, une exposition aux rayonnements et le besoin d'infrastructures spécialisées. À l'inverse, le score calcique par tomodensitométrie (TDM) sans contraste est un outil de dépistage largement disponible et peu coûteux pour la stratification du risque cardiovasculaire. Cependant, l'évaluation traditionnelle du score calcique repose principalement sur le score d'Agatston, qui quantifie la charge de plaque calcifiée mais ne parvient pas à capturer la distribution spatiale complexe, la morphologie et l'hétérogénéité des calcifications qui peuvent être corrélées à une ischémie fonctionnelle. Cette étude comble le vide dans l'utilisation des scanners TDM sans contraste de routine pour prédire l'ischémie myocardique grâce à une analyse quantitative avancée.

Méthodologie
L'étude a utilisé une analyse rétrospective de 1 375 patients issus du registre CLARIFY des University Hospitals Cleveland Medical Center, ayant subi à la fois un TDM sans contraste et une TEP cardiaque sous stress au régadénoson dans un délai d'un an. Après exclusion des patients ayant un score de calcium coronarien (CAC) nul (en raison d'une faible prévalence de l'ischémie) et de ceux ayant subi un pontage antérieur ou disposant de données incomplètes, la cohorte finale comprenait 987 patients (89 positifs pour l'ischémie, 898 négatifs).

Le cadre technique a impliqué les étapes suivantes :

1. Extraction de Caractéristiques : Un ensemble complet de 74 variables a été extrait, incluant quatre variables cliniques (âge, sexe, diabète, tabagisme), le score total d'Agatston et 69 caractéristiques « omiques du calcium ». Ces caractéristiques ont décrit la plaque calcifiée à trois échelles : lésions individuelles (masse, volume, statistiques d'unités Hounsfield [UH], forme), territoires artériels coronariens et régions du cœur entier (distribution, hétérogénéité, statistiques d'histogramme).
2. Sélection de Caractéristiques : L'algorithme Extreme Gradient Boosting (XGBoost) a été combiné aux explications additives de Shapley (SHAP) pour identifier les caractéristiques les plus prédictives. Ce processus a utilisé une validation croisée à 5 plis pour prévenir la fuite de données.
3. Développement du Modèle : Trois modèles prédictifs ont été construits et comparés :
   • Modèle 1 : Variables cliniques uniquement.
   • Modèle 2 : Variables cliniques + score d'Agatston.
   • Modèle 3 : Variables cliniques + score d'Agatston + caractéristiques omiques du calcium.
     Tous les modèles ont été entraînés à l'aide de XGBoost avec des hyperparamètres spécifiques (taux d'apprentissage 0,05, profondeur maximale 3, régularisation) et évalués par rapport aux algorithmes Random Forest, SVM et CatBoost.
4. Analyse Statistique : La performance a été évaluée à l'aide de la précision, de la sensibilité, de la spécificité, de l'exactitude, du score F1, de l'AUC-ROC et de l'AUC-PR. Des régressions logistiques univariées et multivariées ont été réalisées pour évaluer les associations entre des caractéristiques spécifiques et l'ischémie.

Résultats Clés

• Importance des Caractéristiques : Le Modèle 3 final a incorporé le score d'Agatston, huit caractéristiques omiques du calcium et l'âge. Le score d'Agatston a démontré la contribution globale la plus forte dans l'analyse SHAP.
• Performance Prédictive : L'ajout de caractéristiques omiques du calcium a produit des améliorations significatives.
  • Modèle 1 (Clinique uniquement) : AUC-ROC 0,620, Exactitude 62,2 %.
  • Modèle 2 (Clinique + Agatston) : AUC-ROC 0,912, Exactitude 95,7 %, Score F1 76,4 %.
  • Modèle 3 (Modèle Complet) : A atteint la performance la plus élevée avec une AUC-ROC de 0,931, une AUC-PR de 0,864, une exactitude de 98,0 ± 1,0 %, une précision de 98,9 ± 3,0 %, une sensibilité de 79,2 ± 8,4 % et un score F1 de 87,7 ± 5,3 %.
• Comparaison des Algorithmes : XGBoost a constamment surpassé Random Forest, SVM et CatBoost, bien que tous les modèles aient montré une spécificité élevée (>97 %).
• Constats de la Régression Logistique : En analyse univariée, le nombre d'artères calcifiées (numArtCalc) a montré l'association la plus forte avec l'ischémie (Rapport de cotes : 3,63), bien qu'il ait été la caractéristique la moins bien classée dans l'analyse SHAP. En analyse multivariée, aucune caractéristique unique n'est restée indépendamment significative, probablement en raison de la multicolinéarité entre les caractéristiques omiques du calcium.

Contributions Clés

1. Cadre Novel : Il s'agit de la première étude à investiguer la prédiction de l'ischémie myocardique directement à partir d'imagerie TDM sans contraste en utilisant une analyse quantitative de la calcification coronarienne (omiques du calcium) et l'apprentissage automatique.
2. Valeur Ajoutée : L'étude démontre que les caractéristiques omiques du calcium apportent une valeur prédictive incrémentielle significative au-delà des facteurs de risque cliniques conventionnels et du score d'Agatston standard.
3. Robustesse : Les caractéristiques sélectionnées se sont révélées robustes à travers différents algorithmes d'apprentissage automatique, suggérant une généralisabilité.
4. Utilité Clinique : L'approche exploite des scanners TDM sans contraste acquis de routine, permettant potentiellement une stratification du risque cardiovasculaire plus accessible et rentable, sans irradiation supplémentaire ni administration de produit de contraste.

Signification et Revendications
Les auteurs affirment que leur approche d'apprentissage automatique traduit avec succès les données de routine du TDM sans contraste en un outil capable de prédire l'ischémie myocardique. Ils postulent que les caractéristiques omiques du calcium capturent des informations fonctionnelles liées à l'ischémie qui ne sont pas reflétées par le seul score d'Agatston. L'étude suggère que, si elle est validée dans de plus grandes cohortes multicentriques, cette méthode pourrait aider à identifier les patients nécessitant des tests fonctionnels supplémentaires ou une gestion préventive agressive, améliorant ainsi la valeur clinique du dépistage calcique standard. Les auteurs restent modestes concernant la portée actuelle, reconnaissant des limitations telles que la conception rétrospective monocentrique, le nombre relativement faible de cas ischémiques (89) et l'exclusion des patients avec un score CAC nul, notant qu'une validation externe est nécessaire avant une mise en œuvre clinique large.