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

Resumo Técnico: Análise Quantitativa da Calcificação Coronariana para Predição de Isquemia Miocárdica

Declaração do Problema
A doença arterial coronariana (DAC) permanece uma das principais causas de morbidade e mortalidade globais, com a isquemia miocárdica atuando como um precursor crítico de eventos cardiovasculares adversos. Embora a imagem de perfusão cardíaca por tomografia por emissão de pósitrons (PET) sob estresse com regadenoson seja o padrão-ouro para detecção de isquemia miocárdica devido à sua precisão quantitativa, ela é limitada por altos custos, exposição à radiação e necessidade de infraestrutura especializada. Por outro lado, a pontuação de cálcio por tomografia computadorizada sem contraste (CTCS) é uma ferramenta de rastreamento amplamente disponível e de baixo custo para estratificação de risco cardiovascular. No entanto, a avaliação tradicional de CTCS baseia-se principalmente na pontuação de Agatston, que quantifica a carga de placa calcificada, mas falha em capturar a distribuição espacial complexa, a morfologia e a heterogeneidade das calcificações que podem correlacionar-se com isquemia funcional. Este estudo aborda a lacuna na utilização de exames rotineiros de CTCS sem contraste para predizer isquemia miocárdica por meio de análise quantitativa avançada.

Metodologia
O estudo empregou uma análise retrospectiva de 1.375 pacientes do registro CLARIFY do University Hospitals Cleveland Medical Center, que realizaram tanto CTCS sem contraste quanto PET cardíaco sob estresse com regadenoson dentro de um ano. Após a exclusão de pacientes com pontuação de cálcio (CAC) zero (devido à baixa prevalência de isquemia) e daqueles com cirurgia de revascularização prévia ou dados incompletos, a coorte final consistiu em 987 pacientes (89 positivos para isquemia, 898 negativos para isquemia).

O quadro técnico envolveu as seguintes etapas:

1. Extração de Características: Um conjunto abrangente de 74 variáveis foi extraído, incluindo quatro variáveis clínicas (idade, sexo, diabetes, tabagismo), a pontuação total de Agatston e 69 características de "cálcio-ômica". Essas características caracterizaram a placa calcificada em três escalas: lesões individuais (massa, volume, estatísticas de Unidades Hounsfield [HU], forma), territórios arteriais coronarianos e regiões de todo o coração (distribuição, heterogeneidade, estatísticas de histograma).
2. Seleção de Características: O algoritmo Extreme Gradient Boosting (XGBoost) foi combinado com SHapley Additive exPlanations (SHAP) para identificar as características mais preditivas. Este processo utilizou validação cruzada de 5 dobras para evitar vazamento de dados.
3. Desenvolvimento do Modelo: Três modelos preditivos foram construídos e comparados:
   • Modelo 1: Apenas variáveis clínicas.
   • Modelo 2: Variáveis clínicas + pontuação de Agatston.
   • Modelo 3: Variáveis clínicas + pontuação de Agatston + características de cálcio-ômica.
     Todos os modelos foram treinados usando XGBoost com hiperparâmetros específicos (taxa de aprendizado 0,05, profundidade máxima 3, regularização) e avaliados em comparação com os algoritmos Random Forest, SVM e CatBoost.
4. Análise Estatística: O desempenho foi avaliado usando precisão, sensibilidade, especificidade, acurácia, pontuação F1, AUROC e AUPRC. Regressões logísticas univariadas e multivariadas foram realizadas para avaliar associações entre características específicas e isquemia.

Principais Resultados

• Importância das Características: O Modelo 3 final incorporou a pontuação de Agatston, oito características de cálcio-ômica e idade. A pontuação de Agatston demonstrou a contribuição geral mais forte na análise SHAP.
• Desempenho Preditivo: A adição de características de cálcio-ômica produziu melhorias significativas.
  • Modelo 1 (Apenas clínico): AUROC 0,620, Acurácia 62,2%.
  • Modelo 2 (Clínico + Agatston): AUROC 0,912, Acurácia 95,7%, Pontuação F1 76,4%.
  • Modelo 3 (Modelo Completo): Alcançou o desempenho mais alto com um AUROC de 0,931, AUPRC de 0,864, acurácia de 98,0±1,0%, precisão de 98,9±3,0%, sensibilidade de 79,2±8,4% e pontuação F1 de 87,7±5,3%.
• Comparação de Algoritmos: O XGBoost superou consistentemente o Random Forest, SVM e CatBoost, embora todos os modelos tenham mostrado alta especificidade (>97%).
• Achados da Regressão Logística: Na análise univariada, o número de artérias calcificadas (numArtCalc) mostrou a associação mais forte com isquemia (Odds Ratio: 3,63), apesar de ser a característica de menor classificação na análise SHAP. Na análise multivariada, nenhuma característica única permaneceu significativamente independente, provavelmente devido à multicolinearidade entre as características de cálcio-ômica.

Principais Contribuições

1. Novo Quadro: Este é o primeiro estudo a investigar a predição de isquemia miocárdica diretamente a partir de imagens de CTCS sem contraste usando análise quantitativa de calcificação coronariana (cálcio-ômica) e aprendizado de máquina.
2. Valor Incremental: O estudo demonstra que as características de cálcio-ômica fornecem valor preditivo incremental significativo além dos fatores de risco clínicos convencionais e da pontuação padrão de Agatston.
3. Robustez: As características selecionadas provaram ser robustas em diferentes algoritmos de aprendizado de máquina, sugerindo generalizabilidade.
4. Utilidade Clínica: A abordagem aproveita exames de CT sem contraste adquiridos rotineiramente, potencialmente permitindo uma estratificação de risco cardiovascular mais acessível e econômica, sem radiação adicional ou administração de contraste.

Significado e Alegações
Os autores afirmam que sua abordagem de aprendizado de máquina traduz com sucesso dados rotineiros de CTCS sem contraste em uma ferramenta capaz de prever isquemia miocárdica. Eles postulam que as características de cálcio-ômica capturam informações funcionais relacionadas à isquemia que não são refletidas apenas na pontuação de Agatston. O estudo sugere que, se validado em coortes multicêntricas maiores, este método poderia ajudar a identificar pacientes que necessitam de testes funcionais adicionais ou manejo preventivo agressivo, aumentando assim o valor clínico do rastreamento padrão de cálcio. Os autores permanecem modestos quanto ao escopo atual, reconhecendo limitações como o desenho retrospectivo de centro único, o número relativamente pequeno de casos isquêmicos (89) e a exclusão de pacientes com pontuação CAC zero, observando que a validação externa é necessária antes da implementação clínica ampla.