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

Technische Samenvatting: Kwantitatieve Analyse van Coronaire Calcificatie voor de Voorspelling van Myocardiale Ischemie

Probleemstelling
Coronaire arteriële ziekte (CAD) blijft een leidende oorzaak van wereldwijde morbiditeit en mortaliteit, waarbij myocardiale ischemie fungeert als een kritische voorloper van ongunstige cardiovasculaire gebeurtenissen. Hoewel regadenoson-stresscardiale positronemissietomografie (PET) perfusiebeeldvorming de gouden standaard is voor het detecteren van myocardiale ischemie vanwege zijn kwantitatieve nauwkeurigheid, wordt deze beperkt door hoge kosten, blootstelling aan straling en de behoefte aan gespecialiseerde infrastructuur. Daarentegen is niet-contrastcomputertomografie calciumscoring (CTCS) een wijdverbreid, kostenefficiënt screeningsinstrument voor cardiovasculaire risicofactoren. Traditionele CTCS-beoordeling is echter voornamelijk gebaseerd op de Agatston-score, die de last van verkalkte plaque kwantificeert maar niet de complexe ruimtelijke verdeling, morfologie en heterogeniteit van calcificaties vastlegt die kunnen correleren met functionele ischemie. Dit onderzoek adresseert de lacune in het gebruik van routinematige niet-contrast CTCS-scans om myocardiale ischemie te voorspellen via geavanceerde kwantitatieve analyse.

Methodologie
Het onderzoek hanteerde een retrospectieve analyse van 1.375 patiënten uit het CLARIFY-register van University Hospitals Cleveland Medical Center die binnen één jaar zowel een niet-contrast CTCS als een regadenoson-stresscardiale PET ondergingen. Na uitsluiting van patiënten met een CAC-score van nul (vanwege een lage prevalentie van ischemie) en diegenen met eerdere bypass-chirurgie of onvolledige data, bestond de definitieve cohort uit 987 patiënten (89 ischemie-positief, 898 ischemie-negatief).

Het technische raamwerk omvatte de volgende stappen:

1. Functie-extractie: Een uitgebreide set van 74 variabelen werd geëxtraheerd, waaronder vier klinische variabelen (leeftijd, geslacht, diabetes, roken), de totale Agatston-score en 69 "calcium-omics" kenmerken. Deze kenmerken karakteriseerden verkalkte plaque op drie schalen: individuele laesies (massa, volume, HU-statistieken, vorm), coronaire arteriële gebieden en gehele hartregio's (verdeling, heterogeniteit, histogramstatistieken).
2. Functie-selectie: Het Extreme Gradient Boosting (XGBoost) algoritme werd gecombineerd met SHapley Additive exPlanations (SHAP) om de meest voorspellende kenmerken te identificeren. Dit proces maakte gebruik van 5-voudige cross-validatie om datalekken te voorkomen.
3. Modelontwikkeling: Drie voorspellende modellen werden geconstrueerd en vergeleken:
   • Model 1: Uitsluitend klinische variabelen.
   • Model 2: Klinische variabelen + Agatston-score.
   • Model 3: Klinische variabelen + Agatston-score + Calcium-omics kenmerken.
     Alle modellen werden getraind met XGBoost met specifieke hyperparameters (leersnelheid 0,05, maximale diepte 3, regularisatie) en geëvalueerd tegen Random Forest, SVM en CatBoost-algoritmen.
4. Statistische analyse: Prestaties werden beoordeeld aan de hand van precisie, sensitiviteit, specificiteit, nauwkeurigheid, F1-score, AUROC en AUPRC. Univariate en multivariate logistische regressies werden uitgevoerd om associaties tussen specifieke kenmerken en ischemie te evalueren.

Belangrijkste Resultaten

• Functiebelang: Het definitieve Model 3 omvatte de Agatston-score, acht calcium-omics kenmerken en leeftijd. De Agatston-score toonde de sterkste algehele bijdrage in de SHAP-analyse.
• Voorspellende prestaties: De toevoeging van calcium-omics kenmerken leverde significante verbeteringen op.
  • Model 1 (Alleen klinisch): AUROC 0,620, Nauwkeurigheid 62,2%.
  • Model 2 (Klinisch + Agatston): AUROC 0,912, Nauwkeurigheid 95,7%, F1-score 76,4%.
  • Model 3 (Volledig Model): Bereikte de hoogste prestatie met een AUROC van 0,931, een AUPRC van 0,864, een nauwkeurigheid van 98,0 ± 1,0%, een precisie van 98,9 ± 3,0%, een sensitiviteit van 79,2 ± 8,4% en een F1-score van 87,7 ± 5,3%.
• Algoritme-vergelijking: XGBoost presteerde consequent beter dan Random Forest, SVM en CatBoost, hoewel alle modellen een hoge specificiteit toonden (>97%).
• Logistische regressie bevindingen: In de univariate analyse toonde het aantal verkalkte arteriën (numArtCalc) de sterkste associatie met ischemie (Odds Ratio: 3,63), ondanks dat het het laagst gerangschikte kenmerk was in de SHAP-analyse. In de multivariate analyse bleef geen enkel kenmerk onafhankelijk significant, waarschijnlijk vanwege multicollineariteit onder de calcium-omics kenmerken.

Belangrijkste Bijdragen

1. Nieuw Raamwerk: Dit is het eerste onderzoek dat de voorspelling van myocardiale ischemie direct uit niet-contrast CTCS-beeldvorming onderzoekt met behulp van kwantitatieve analyse van coronaire calcificatie (calcium-omics) en machine learning.
2. Incrementele Waarde: Het onderzoek toont aan dat calcium-omics kenmerken significante incrementele voorspellende waarde bieden bovenop conventionele klinische risicofactoren en de standaard Agatston-score.
3. Robuustheid: De geselecteerde kenmerken bleken robuust over verschillende machine learning-algoritmen, wat generaliseerbaarheid suggereert.
4. Klinische Toepasbaarheid: De aanpak maakt gebruik van routinematig verkregen, niet-contrast CT-scans, wat potentieel een toegankelijkere en kosteneffectievere cardiovasculaire risicofactorenstratificatie mogelijk maakt zonder extra straling of toediening van contrastmiddelen.

Betekenis en Claims
De auteurs beweren dat hun machine learning-aanpak routinematige niet-contrast CTCS-data succesvol vertaalt naar een instrument dat in staat is myocardiale ischemie te voorspellen. Zij stellen dat calcium-omics kenmerken functionele informatie vastleggen die gerelateerd is aan ischemie en die niet wordt weerspiegeld in de Agatston-score alleen. Het onderzoek suggereert dat, indien gevalideerd in grotere multicenter-cohorten, deze methode kan helpen patiënten te identificeren die verdere functionele tests of agressieve preventieve behandeling vereisen, waardoor de klinische waarde van standaard calciumscreening wordt versterkt. De auteurs blijven bescheiden wat betreft de huidige reikwijdte, en erkennen beperkingen zoals het enkel-centrum retrospectieve ontwerp, het relatief kleine aantal ischemische gevallen (89) en de uitsluiting van patiënten met een CAC-score van nul, waarbij zij opmerken dat externe validatie noodzakelijk is voordat een brede klinische implementatie kan plaatsvinden.