分享:
分享到微信朋友圈
X
综述
从医学影像到临床诊疗:2023年心血管磁共振进展
连心桥 张华莹 赵世华 陆敏杰

Cite this article as: LIAN X Q, ZHANG H Y, ZHAO S H, et al. From medical image to clinical diagnosis and treatment: Advances in cardiovascular magnetic resonance in 2023[J]. Chin J Magn Reson Imaging, 2024, 15(7): 184-190, 215.本文引用格式:连心桥, 张华莹, 赵世华, 等. 从医学影像到临床诊疗:2023年心血管磁共振进展[J]. 磁共振成像, 2024, 15(7): 184-190, 215. DOI:10.12015/issn.1674-8034.2024.07.031.


[摘要] 心血管磁共振(cardiovascular magnetic resonance, CMR)具有无创、无辐射、多参数成像的优势,能够实现对心脏形态、功能和组织学信息的“一站式”评估,在心血管疾病的精准医疗中发挥着无可替代的重要作用。2023年CMR研究取得了长足的进展:组织特征成像、心肌应变分析等技术不断推陈出新,探索更多临床适应证,并逐步完成标准化应用转化;非缺血性心脏病、缺血性心脏病等领域的CMR应用在新版指南中备受重视,且优质循证证据不断涌现,鼓励其更多地参与到心血管临床管理之中。本文将从技术和临床应用两方面系统性回顾其中代表性成果,以期为现阶段医疗实践提供实时有效的指导。
[Abstract] Cardiovascular magnetic resonance (CMR) offers the advantages of non-invasive, radiation-free and multi-parameter imaging. It enables a "one-stop" examination of cardiac morphology, function, and histology, playing an irreplaceable role in the precision medicine of cardiovascular diseases. In 2023, significant advancements are made in CMR research: technologies such as tissue characterization imaging and myocardial strain analysis have been continually innovated, exploring more clinical indications and gradually achieving standardized application and translation. The applications of CMR in non-ischemic heart disease and ischemic heart disease have been highly emphasized in the new guidelines, and high-quality evidence has continually emerged, encouraging its greater involvement in cardiovascular clinical management. This review will systematically summarize the representative achievements in both technology and clinical application, aiming to provide the latest and effective guidance for current medical practice.
[关键词] 磁共振成像;心血管磁共振;组织特征成像;心肌应变;四维血流磁共振成像;非缺血性心脏病;缺血性心脏病
[Keywords] magnetic resonance imaging;cardiovascular magnetic resonance;tissue characterization imaging;myocardial strain;four-dimensional flow magnetic resonance imaging;non-ischemic heart disease;ischemic heart disease

连心桥 1, 2   张华莹 1   赵世华 1   陆敏杰 1, 3*  

1 国家心血管病中心北京协和医学院 中国医学科学院阜外医院磁共振影像科,北京 100037

2 首都医科大学临床医学系,北京 100069

3 中国医学科学院心血管影像重点实验室,北京 100037

通信作者:陆敏杰,E-mail:coolkan@163.com

作者贡献声明:陆敏杰设计本研究的方案,对稿件重要内容进行了修改;连心桥起草和撰写稿件,获取、分析本研究的数据;张华莹、赵世华获取、分析或解释本研究的数据,对稿件重要内容进行了修改;陆敏杰获得了北京市自然科学基金项目、中国医学科学院心血管影像重点实验室(培育)建设项目、北京协和医学院2023年中央高校教育教学改革专项资金支持项目的资金资助。全体作者都同意发表最后的修改稿,同意对本研究的所有方面负责,确保本研究的准确性和诚信。


基金项目: 北京市自然科学基金项目 7242110 中国医学科学院心血管影像重点实验室(培育)建设项目 2019PT310025 北京协和医学院2023年中央高校教育教学改革专项资金支持项目 2023zlgl026
收稿日期:2024-03-15
接受日期:2024-06-25
中图分类号:R445.2  R541.7 
文献标识码:A
DOI: 10.12015/issn.1674-8034.2024.07.031
本文引用格式:连心桥, 张华莹, 赵世华, 等. 从医学影像到临床诊疗:2023年心血管磁共振进展[J]. 磁共振成像, 2024, 15(7): 184-190, 215. DOI:10.12015/issn.1674-8034.2024.07.031.

0 引言

       心血管疾病是全球人类死亡的首要原因,且死亡人数逐年上升,故心血管疾病的早期诊断、风险分层和及时干预仍为当前临床工作的重中之重[1]。近年来,美国心脏病学会(American College of Cardiology, ACC)、美国心脏协会(American Heart Association, AHA)、欧洲心脏病学会(European Society of Cardiology, ESC)等多个国际组织对指南进行更新,强调多模态影像学在心血管疾病精准诊疗中的关键作用。心血管磁共振(cardiovascular magnetic resonance, CMR)又因其无创、无辐射、组织分辨率高的特点,及多序列成像全方位评估心脏形态、功能和组织学信息的能力而备受重视,指南中相关建议数量及推荐等级不断提升[2]

       尽管CMR在心血管疾病领域展现出的潜力和价值令人瞩目,但现有研究在实践中依然面临诸多问题和挑战。首先,新成像序列及后处理方式不断涌现,诚然为组织特征成像、血流成像、心肌应变分析等提供了新的手段,但其在临床中的标准化应用和推广仍然需进一步的探索和验证。其次,多参数CMR在非缺血性心脏病和缺血性心脏病等领域中的应用日益增加,但在具体临床场景中,其优势和局限性仍存在争议。此外,医工结合虽有助于优化医疗成像流程,具体的实施和效果评价还需更多循证研究支持。

       本综述对2023年CMR领域最新研究成果进行了系统性梳理,旨在深入分析当前新技术的转化潜能及其所面临的挑战,总结现阶段CMR临床实践的应用进展及热点问题,并为未来发展方向提供参考。

1 技术进展

1.1 组织特征成像

       纵向弛豫时间(T1)和横向弛豫时间(T2)是信号和对比度产生的根本要素,在此基础上衍生出了钆对比剂延迟(late gadolinium enhancement, LGE)成像和定量参数成像等多种心肌组织特征成像。LGE可以通过细胞外对比剂增加T1加权成像中不同组织的对比度以突出病变区域,已成为临床无创检测心肌梗死(myocardial infarction, MI)和局灶性纤维化的金标准[3]。但传统LGE仅使用反转恢复准备序列,纤维化的心肌组织和血液均以高信号呈现,不利于血流周围病变组织检测。为此,SI等[4]提出了一种三维高分辨率亮血与暗血延迟增强同时成像技术,优化了LGE成像中正常心肌、纤维化组织和血液间的对比度,并在房颤患者队列中验证了可行性,解决了心房壁纤维化难以准确定位、精准评估的问题。

       定量参数成像是组织特征成像中精确反映心肌病理改变的重要手段。目前T1 mapping和细胞外容积(extracellular volume fraction, ECV)及T2 mapping的临床应用已较为成熟,常与LGE结合,对间质性纤维化、水肿等弥漫性心肌组织改变进行描述。而新兴的T1ρ mapping技术则无须外源性对比剂,通过旋转坐标系下的自旋-晶格弛豫时间反映大分子间的相互作用,被视作不耐受钆对比剂患者心肌损伤面积量化的潜在工具[5]。然而,据最新研究报道,T1ρ与T1值类似,是一个相对非特异性心肌损伤标志物,在急性或慢性、局灶性或弥漫性、缺血性或非缺血性心肌损伤中均显著增加,更适合作为一种筛查手段,与其他成像技术共同运用于疾病诊断中[6]

       未来仍需在实践中进一步评估上述新序列、新技术的应用价值。此外,简洁高效的成像方案一直为临床工作所需。CMR指纹成像、三维全心多参数成像等能够在单次扫描中获取多种心肌组织特征的技术,将在未来成为研究热点,并大大促进定量参数成像在实践中的推广。而人工智能(artificial intelligence, AI)及自由呼吸实时成像技术也将为组织特征成像的精度和效率提供助益。

1.2 应变分析技术

       心肌应变可以从纵向、径向及周向定量评估心肌局部和整体运动功能改变,在左心室射血分数(left ventricular ejection fraction, LVEF)降低之前识别疾病早期功能障碍。既往研究多集中于左室,而右室同样重要。右室整体纵向应变(global longitudinal strain, GLS)能够为致心律失常性心肌病的现有CMR诊断模型提供显著增量价值(似然比检验,P=0.02),将诊断准确率提升至90%[7]。心房应变是反映心脏舒张功能障碍的早期敏感指标,主要包括对存储、管道和收缩功能的评价。HALFMANN等[8]对比左室应变参数,发现左房存储应变能更可靠地早期诊断安德森-法布里病患者[曲线下面积(area under the curve, AUC):0.88,敏感度89%,特异度75%]。右房应变常由于正常参考值过于宽泛限制了其临床应用[9]。不限于心腔,CMR应变技术也应用于肺动脉评估。一项纳入169名肺动脉高压患者的多中心研究发现,肺动脉GLS<9%的患者死亡风险远高于GLS≥9%的患者(P<0.001),并且在校正已知风险因素后,多变量分析显示该指标可作为死亡独立预测因子(P=0.010),较已建立的风险评分模型均具有更高的预后效用[10]

       目前多采用特征追踪(feature tracking, FT)技术对CMR图像进行后处理,此外还有组织标记、位移编码与激发回波、应变编码、心脏形变应力分析等技术可用于心肌应变分析。在已有技术基础上不断改进,缩短处理时间、减轻人工负担是目前临床推广的迫切需求。基于CMR-FT衍生的半自动长轴应变技术,仅需在标准电影成像上标注三个不同参考点,即可实现对于复杂心房结构的快速分析。该方法下获得的左心房长轴应变指标能够良好预测肥厚型心肌病(hypertrophic cardiomyopathy, HCM)群体并发房颤风险[11]。而BARBAROUX等[12]则将位移编码与激发回波技术和时空卷积神经网络结合,在短轴及长轴片层上实现对左心室心肌的自动分割,大大提高了心脏应变测量效率。

       应变分析技术在CMR成像中的应用,展示了其在早期识别心功能障碍和MACE风险预测方面的重要价值。应在具体临床场景中探索更多左室功能之外的指标,弥补传统LVEF不足,优化疾病风险预测模型。然而,目前应变分析技术在临床推广中仍面临一些挑战,如后处理技术的复杂性和测量值参考标准的缺乏。未来的研究应着力于标准化应变测量值,并进一步优化后处理技术,以实现更广泛的临床应用。同时,应结合更多的大规模临床研究,以验证这些技术在不同心血管疾病中的有效性和可重复性,为个体化治疗提供坚实依据。

1.3 四维血流成像和多流速编码血流成像

       血流动力学评估对于心血管疾病至关重要。相位对比磁共振血管成像(phase contract magnetic resonance angiography, PC MRA)以流速为编码,以相位变化作为图像对比,能够实现对于血流的定量分析,通常采用2D PC MRA和四维血流(four-dimensional flow, 4D Flow)两种成像方法。不同于层面选择梯度的传统2D PC MRA,4D Flow通过同时对三个相互垂直的维度进行流速相位编码,来提供壁面剪切应力、压力梯度、脉搏波速度等多种量化指标,能够良好表征二叶式主动脉瓣畸形等瓣膜疾病的异常血流模式[13, 14],也在高血压、心肌病等领域展现出了广阔的应用前景[15, 16]。为使该技术更好地转化,ZHAO等[17]基于大样本健康人群队列探究性别与年龄对双心室4D Flow参数的影响,为设置正常参考范围提供了循证依据。心血管磁共振学会(Society for Cardiovascular Magnetic Resonance, SCMR)发布2023年4D Flow共识声明,提供了采集参数、后处理流程、临床质量保证和验证等方面的详细建议,为临床和科研环境设定了标准[18]

       实现血流的精准量化,选择合适的速度编码是关键。既往PC MRA仅基于单个预定义值采集,难以兼顾低速和高速血流,但发展的加速技术使多流速编码血流(multi-velocity encoding flow, Multi-venc Flow)成像成为可能[19]。最近研究表明[20],2D Multi-venc Flow在经导管主动脉瓣置换术后(transcatheter aortic valve replacement, TAVR)瓣周反流的定量测量中,与金标准2D PC MRA结论高度一致,且单次屏气即可采集多个速度编码数据,提高了患者的舒适度和依从性,具有良好的可重复性。4D Multi-venc Flow在新版共识声明中有所提及[18],于现有临床研究中显示了更优的速度噪声比,是极具潜力的临床工具之一。

       4D Flow成像和Multi-venc Flow成像在血流动力学评估中展现了重要价值,但其复杂性和操作要求限制了临床推广。下一步应简化技术流程、标准化操作步骤,结合AI提升数据处理效率[21, 22],以推动其在精准医疗中的应用。

1.4 正电子发射体层/MR

       正电子发射体层(positron emission tomography, PET)/MR是一种集成了PET和MR两种成像优势的先进分子影像技术,MR的高软组织分辨率及多参数成像特性为PET提供多维心肌组织信息,而PET的分子靶向检测能力则能更精准地标记心血管疾病相关分子靶点。以PET/MR在缺血性心脏病中心肌活性评估为例,两种成像模式测得的梗死心肌范围强相关,但MRI有助于检出心内膜下微小MI病灶,PET则能提高心肌活性判断的准确度,双模态融合为临床提供更加全面可靠的诊断信息[23]。正电子显像剂与靶点的结合使得PET/MR能够在分子水平精确表征疾病进展,目前临床最常用的18F-FDG通过观察心肌细胞的葡萄糖代谢水平对心肌活性及炎症进行评估,而新型68Ga标记成纤维细胞活化蛋白抑制剂(fibroblast activation protein inhibitor, FAPI)则能够特异性结合量化活化的心肌成纤维细胞。在急性MI中,与LGE等传统指标相比,PET/MR测得的基线心肌FAPI摄取容积能更敏感地预测远期心室不良重构(AUC=0.938,P<0.001)[24]。作为一种极具潜力的新兴技术,PET/MR的未来应聚焦于更多CMR组织表征技术的引入及新型正电子显像剂的研发,同时制订标准化临床应用指南,以明确该技术的临床定位及实践方案,进而推动临床推广。

1.5 AI

       AI可以分为机器学习和影像组学两大分支,其中深度学习(deep learning, DL)是目前临床应用最广泛最有效的机器学习方法[25]。心血管影像与DL的跨领域结合有望优化成像全工作流程。通过DL模型,可以优化扫描流程,改善切面、时机及参数选择,使操作者更多地向监督者转变[26]。在图像重建方面,DL也取得了较大进展,特别是在疑似冠状动脉疾病(coronary artery disease, CAD)的患者诊断中,基于压缩感知技术的非对比冠状动脉MR血管成像,已经展现了超越传统冠脉血管造影的诊断性能[27]。针对因成像条件限制而质量不佳的医学影像数据,DL同样能够通过降噪、超分辨率等增强算法有效改善伪影和噪声,提高图像的质量[28]。传统手工分割工作量大且难以控制观察者偏倚,U-Net作为DL经典模型,能够快速分割复杂右心室结构,并提高操作的准确度和可重复性[29]

       影像组学是一种能从医学图像中提取特征数据的高通量技术,对肉眼无法识别的形状、纹理等特征进行定量分析。该技术能够为心衰、房颤等心血管事件预测提供增量价值[30],甚至在一项研究中显示:单独基于影像组学特征构建的HCM患者风险分层模型,其预测效能要优于既往2014年ESC版模型及2020年ACC/AHA版模型[31]。但在部分现有研究中,影像组学特征所代表的生物学意义并未被完全阐明,这限制了其临床应用。

       将AI与心血管影像结合,通过自动化扫描显著提高成像效率,改善数据处理提升诊断效能,并深度挖掘影像数据为临床评估提供更多参考指标。但当前临床转化仍面临着诸如医学数据标准化不足、生物可解释性较弱、模型泛化能力有待提高等问题。为使AI更好地应用于临床心血管成像流程,首先应完善和规范数据评价体系,其次应在具体场景中构建综合影像特征及其他临床因素的AI模型,最后应建设大规模多中心医学影像数据库,使AI模型能够基于更广泛的患者数据改善泛化能力及鲁棒性,更贴近临床真实情况。

2 临床应用

2.1 非缺血性心脏病

       随着2023年《ESC心肌病管理指南》[32](以下简称心肌病指南)的重磅颁布,以心肌病为代表的非缺血性心脏病再次备受瞩目。该指南不仅在2014年《ESC肥厚型心肌病诊断管理指南》的基础上着重笔墨更新了HCM部分,更总结归纳各心肌病表型,为临床提供了更加全面规范的系统性诊断框架和多学科管理建议。其中,心肌病指南肯定了CMR在心肌病病因学诊断、监测疾病进展及判断预后转归等方面的价值,并重点强调了其在心源性猝死(sudden cardiac death, SCD)风险分层和指导治疗中的作用。

2.1.1 肥厚型心肌病

       HCM是最常见的遗传性心肌病之一,表现为心肌异常肥厚伴或不伴左心室流出道梗阻。心肌组织纤维化是该疾病的重要病理特征,故心肌病指南建议所有HCM患者在初步评估时行对比增强CMR检查(推荐等级:Ⅰ),这不仅利于表型确定,更有助于识别高危患者并指导植入式心律转复除颤器(implantable cardioverter defibrillator, ICD)的应用。对此,心肌病指南采用的HCM Risk-SCD模型,与2022年ESC修订的SCD风险预测模型相似,对比2014版本,纳入包括广泛性LGE(≥15%)在内的新标志物,作为区分中低风险患者的重要考量指标(推荐等级:Ⅱb)。2022年ESC版模型随后在一项大型回顾性研究中进行外部验证,其效能与2020年AHA/ACC模型相当,均优于2014年ESC版模型。该团队进一步深入研究发现,LGE≥5%的患者发生SCD的概率约为LGE<5%者的7倍,故应以LGE≥5%为临界进一步细化风险分层[33]。然而,另一项Meta研究使用6SD算法定量评估LGE程度,认为10%才是最佳临界值(敏感度为73%,特异度为67%)[34]。以上关于HCM风险分层标准的争议有待在后续大型多中心研究中进一步验证。

       目前针对HCM患者的LGE研究大多聚焦于存在和程度,但其他LGE特征在改善HCM风险分层模型中的价值尚未被充分认识。心肌病指南中认为非广泛性LGE患者为SCD低风险人群,但实际临床中仍有部分预后不良。针对这一现象,YANG等[35]回顾性纳入497例HCM患者并随访五年发现,当LGE<15%时,不良事件风险并不随LGE程度增加而改变,而与心内膜下受累这种特定LGE亚型相关[风险比(hazard ratio, HR):2.12,95%置信区间(confidence interval, CI)1.06~4.24]。而FAHMY等[31]则发现,将LGE放射组学特征整合至2014年ESC版和2020年AHA/ACC版风险分层模型后,模型风险预测效能均有所提升(0.73 vs. 0.57;0.76 vs. 0.67)。

       不止于LGE,CMR具有多参数成像优势,可以在体映射心肌病理学特征改变,为HCM的机制理解及诊疗管理提供了更多维的影像学见解。弥散张量成像可以通过水分子的扩散来定量评价心肌组织微观结构。较正常人群,HCM患者及亚临床患者均具有更低的心肌各向异性分数、更高的平均扩散率和第二特征向量角,这提示心肌微观结构改变先于宏观功能及形态异常,可作为疾病表型发生的早期生物指标[36]。CMR-FT技术能够定量表征心肌运动能力,其中异常GLS被证实与LVEF降低、LGE程度较高等高风险影像学、血清学标志物相关,应纳入模型以改善HCM风险分层效能[37]。T2 mapping发现,HCM患者普遍存在心肌水肿,且T2值升高范围并不局限于LGE节段。当LGE阳性且T2值较高时,患者MACE风险显著增加(P<0.001)[38]

       HCM研究揭示了LGE在风险预测中的重要性,但标准临界值仍存争议。未来需通过大规模多中心研究进一步验证LGE和其他CMR参数在HCM风险分层中的效能。此外,应深入探索多维CMR参数对HCM患者的预测价值,以完善个体化治疗策略。

2.1.2 扩张型心肌病

       扩张型心肌病(dilated cardiomyopathy, DCM)是一种以心室扩大和心肌收缩功能减退为主要临床表现的异质性疾病。心肌病指南推荐对于基因型阴性且LVEF>35%的DCM患者,将LGE阳性视作考虑植入ICD的标准(推荐等级:Ⅱb)。一项大型回顾性研究在此基础上进一步探究LGE程度对LVEF>35%的DCM患者的影响,提出LGE≥左心室总面积的7.1%与SCD显著相关(HR:4.4,95% CI:2.4~8.3,P<0.001),可作为MACE的独立预测因子[39]。但临床实践中显示部分LGE阴性患者同样会经历心律失常和SCD,故多位学者对现有模型仅纳入LGE提出质疑。LI等[40]基于大样本量及较长时间规律随访,发现初始T1值、LGE、ECV均为患者出现SCD的独立危险因素,基于初始T1值和LGE的SCD风险分层在验证中呈现出了最佳的预测效能(C指数=0.74)。ZHOU等[41]则使用NYHA心功能分级、LVEF、LGE和ECV良好地预测了DCM患者1~2年内发生MACE的风险(C指数=0.853),并指出ECV是中期预后的最优预测指标(HR:5.922,95% CI:2.566~13.665,P<0.001)。此外,对于LGE阴性的DCM患者,初始T1值和ECV能够较为准确地监测早期纤维化改变,且这两个参数与左室扩张和功能障碍程度线性相关[42]。影像学表现与病理机制相互对应,DCM患者存在局灶性和弥漫性两种心肌纤维化模式,均为发生心电返折、心律失常的病理基础,故LGE和T1 mapping在DCM风险预测中均具有重要价值,当前仅纳入LGE存在不足。未来应进行大规模研究,验证T1值、LGE和ECV在不同患者中的应用效能,以优化风险分层和个体化治疗策略,并将这些参数纳入常规扫描方案以提高临床决策的精准性。

2.1.3 心肌淀粉样变

       心肌淀粉样变(cardiac amyloidosis, CA)是由于淀粉样蛋白沉积于心肌间质导致的浸润性限制型心肌病。目前临床主要以组织活检确诊CA,并通过质谱、免疫组化、免疫电镜或免疫荧光检查判断亚型。但近年来以超声心动图、CMR和核素显像为代表的多模态无创诊断技术有所发展,骨闪烁成像上2或3级心肌摄取患者的无创诊断路径已较为清晰。IOANNOU等[43]使用CMR、生物标志物等在99mTc-DPD闪烁显像心肌摄取分级上对各CA亚型进行深入表征,发现针对0级或1级心肌摄取的患者,联合CMR能够提供较好的分型建议,当CMR显示CA特征性表现或ECV>0.40时,常提示轻链型CA可能。

       减少受累器官淀粉样蛋白沉积是淀粉样变患者的重要治疗策略。最新研究报道[44],ECV值能够反映心脏、肝脏和脾脏的淀粉样蛋白负荷。通过在开始治疗后6、12、24月跟踪量化发现,相较于内脏器官,心脏淀粉样蛋白负荷清除更慢,且与血清标志物N末端脑钠肽前体含量密切相关。此外,基线心肌、肝脏ECV值及治疗后6月的ECV值改变均可以独立预测死亡。但此类患者常伴随肾淀粉样沉积,这限制了该疗效评估方案的应用,故针对这部分患者需要寻求其他替代方案。初始T1值被证实能够反映CA患者化疗后ECV和T2值的复合变化,与传统心脏反应指标相关,且6月时初始T1值改变还可作为死亡独立预测因子(HR:2.41,95% CI:1.36~4.27,P=0.003),为患者预后提供参考[45]。ECV mapping和初始T1 mapping为不同需求的CA患者提供了更简单易得的无创监测方案,但这两项结论在同一中心中获得,还需在大样本量多中心研究中进一步评估其临床价值。

       CMR在CA诊断和疗效评估中的应用展示了其无创性和多参数量化的优势,未来应集中于验证初始T1值和ECV在大规模多中心研究中的效能,并开发无对比剂的评估方法,以进一步优化CA的无创诊断和个体化治疗策略。

2.2 缺血性心脏病

       缺血性心脏病是一类包括从稳定性心绞痛到心源性猝死在内的连续疾病谱,以CAD为代表,常由冠脉粥样硬化引起管腔狭窄,逐步进展为心肌缺血甚至MI。2023年AHA、ACC等六大学会联合发布《慢性冠状动脉疾病患者管理指南》[46],随后,ESC于既往《ST段抬高型心肌梗死患者管理指南》和《非ST段抬高型急性冠脉综合征患者管理指南》基础上整合更新《急性冠状动脉综合征管理指南》[47]。尽管有创冠状动脉造影(invasive coronary angiography, ICA)是诊断CAD的重要标准,但两部新指南均强调了无创心血管成像在诊疗评估和预后判断中的重要性。多模态CMR成像既能描述心脏的结构和功能,又能评估心肌灌注及损伤模式,是超声心动图声窗受限时理想的影像学检查选择。

2.2.1 慢性冠状动脉疾病

       负荷CMR作为评估心肌缺血的经典技术在新版指南中确认了其重要地位[46]。最新研究表明[48],相较于传统的SPECT灌注成像,负荷CMR对CAD患者显示了更优的诊断表现,且具有无辐射、能实时动态跟踪对比剂分布的优势。荟萃分析同样佐证[49],负荷CMR对CAD的诊断优势比为26.4,敏感度为81%,特异度为86%,尤其在疑似CAD的情况下使用3 T成像,诊断准确率更高。该研究还指出,负荷灌注和LGE同时阳性与较高的全因死亡率相关,反之负荷CMR阴性则提示3.5年内发生MACE风险较低,这为指导治疗策略选择提供了依据。随着后处理技术的发展,负荷CMR逐渐从定性向定量转化。全定量的心肌血流量和心肌灌注储备在慢性CAD患者中展现了出色的诊断性能[50],像素水平的精细量化也为识别临床前期心血管疾病的微循环障碍提供了可能方案。

       LGE是在体无创识别纤维化心肌的重要手段。一项国际注册试验对3023例阻塞性CAD患者进行了LGE-CMR检查,发现其中16.9%患者合并有非缺血性心肌病或双重心肌病,且较合并有缺血性心肌病的患者远期预后更差[51],这提示此类患者可能并不能从常规血运重建术中获益。此外,对于预防性植入ICD,LGE也提供了新的见解:全面的LGE特征分析表现出了较基于LVEF和NYHA心功能分级的现有SCD风险分层模型更强的预测效能[52]。因此,建议在常规治疗决策环节中纳入LGE-CMR,对异质性较大的CAD患者群体提供更加个性化的治疗指导。

       CMR可以准确测量LVEF、心室容积、整体及节段室壁运动功能等参数,通过负荷CMR定性、定量评价心肌血流灌注,通过LGE识别心肌损伤模式,在慢性CAD患者的诊断、管理及预后评估方面具有重要临床意义。

2.2.2 急性冠状动脉疾病

       《急性冠状动脉综合征管理指南》提到部分急性冠状动脉综合征患者肌钙蛋白升高,但在血管造影上缺乏冠脉阻塞证据,即发生冠状动脉非阻塞性心肌梗死(myocardial infarction with nonobstructive coronary arteries, MINOCA)[47]。比起阻塞性CAD合并MI,其发病机制更为复杂多样,相应的管理也各不相同。因此,指南建议对疑似MINOCA患者采取包括ICA、CMR及冠状动脉痉挛激发试验等在内的多模态成像综合评估,推荐在ICA后仍无法明确病因时行CMR检查(推荐等级:Ⅰ)[47]。多项大型回顾性研究报告,CMR能够对68%甚至近80%疑似MINOCA患者进行重新分类[53, 54]。因此,有学者提议将其作为理想状态下诊疗路径中的首要影像学检查,率先与心肌炎等疾病鉴别诊断[55]。不仅如此,尽早行CMR还有利于预后判断,早期获得的LGE程度和异常T2值被认为是MINOCA患者3年内发生MACE的强有力预测因素[56](HR:1.123,95% CI:1.064~1.185,P<0.001;HR:1.190,95% CI:1.145~1.237,P=0.001)。临床医师应重视CMR在MINOCA管理中的价值,减少对于有创检查的依赖,在更多心血管结局研究中发现新的CMR风险预测指标并评估其效能,为提高诊断精确度、提供个体化治疗、改善患者预后奠定基础。

2.3 其他临床应用

2.3.1 新型冠状病毒

       至今新型冠状病毒(coronavirus disease 2019, COVID-19)流行形势已趋于平稳,长新冠综合征成为当前公共卫生系统关注的问题。心血管系统相关的长新冠综合征致病机制目前尚无定论,个体间症状异质性较大,严重者可以表现为心室衰竭、爆发性心肌炎、严重心律失常甚至SCD[57]。故对于COVID-19感染后持续存在心肺症状的患者,SCMR推荐在超声心动图、心电图、心肌标记物三联筛查异常时尽早行CMR检查,并提供了标准化成像方案及报告指标供临床参考[58]。既往研究报告了心肌炎、心肌梗死、应激性心肌病等多类型COVID-19相关心肌损伤的CMR表现,其中VIDULA等[59]认为以急性心肌炎为代表的非缺血性损伤最为常见,急性心肌炎与肌钙蛋白显著升高密切相关;而ARTICO等[60]则提出MI与微梗死更具主导地位,LGE能够独立预测COVID-19患者MACE风险。上述研究表明,多参数CMR是无创评估COVID-19患者心肌组织特征改变的重要手段,应结合心脏症状、心电图改变及其他生物学标志物等信息早期诊断心肌损伤病因,并为后续治疗提供决策依据。下一步应深入探索COVID-19相关CMR表现的病理生理机制,以更好地指导临床工作开展。

2.3.2 心脏瓣膜病

       尽管心脏瓣膜疾病以瓣膜狭窄或反流为主要特征,但最新观点认为瓣膜异常所致的心脏不良重构是决定预后的主要因素,故瓣膜疾病应以心肌为管理重点,以期探索最佳干预时机[61]。多参数CMR能够良好地反映心肌变化,对心功能早期障碍较为敏感。研究显示,较传统超声下测得的左室收缩末期直径,CMR获得的左室收缩末期容积能更加真实地反映瓣膜反流患者的心室重构程度[62]。另外,LGE、应变指标及T1 mapping均有助于瓣膜疾病患者风险分层,指导干预时机及策略选择[63, 64]。TAVR是心脏瓣膜疾病的常用外科干预手段之一,CT作为拟定手术策略的主要工具有一定局限性,部分患者因无法使用碘对比剂而受到限制。一项前瞻性研究,提出CMR或可替代CT指导TAVR,CMR引导下的TAVR成功率与CT组相当,且术后不良事件发生率相对较低[65]。此外,CMR同样在术后血流动力学评估中发挥了重要作用[20]。可以说,CMR为以心肌为中心的瓣膜疾病管理全程注入了新的活力,不仅能够早期识别心肌纤维化或间质扩张等不良心肌重构,为诊断及风险分层提供更灵敏的新型指标,还在时机选择、策略制订、疗效评估等治疗环节中展现出了极大的应用潜能。

3 总结展望

       2023年,CMR领域取得了显著进展。技术革新和医工结合虽然为临床带来了更多选择,但如何简化流程、标准化操作,更好地整合入现有临床工作仍是一个挑战。在大部分心血管疾病中,LGE都被认为是患者预后的重要预测因素,但现有风险分层模型中相关标准并不完善,仍需进一步细化。同时,也应重视其他组织特征成像、血流成像、应变分析等多维参数在疾病机制探索与诊疗管理中的价值,并在后续研究中验证其应用效能。从解剖功能到组织分子、从定性到定量、从烦琐到高效是目前的发展趋势。未来,CMR将向新型成像序列与后处理技术、多模态成像整合、AI与自动化图像分析、功能与代谢成像以及大规模临床研究与指南更新等方向发展,进一步提升心血管疾病诊断、治疗和预后评估的精度和效率,助力个体化精准医疗。

[1]
MENSAH G A, FUSTER V, MURRAY C J L, et al. Global burden of cardiovascular diseases and risks, 1990-2022[J]. J Am Coll Cardiol, 2023, 82(25): 2350-2473. DOI: 10.1016/j.jacc.2023.11.007.
[2]
VON KNOBELSDORFF-BRENKENHOFF F, SCHULZ-MENGER J. Cardiovascular magnetic resonance in the guidelines of the European Society of Cardiology: a comprehensive summary and update[J/OL]. J Cardiovasc Magn Reson, 2023, 25(1): 42 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/37482604/. DOI: 10.1186/s12968-023-00950-z.
[3]
LU M J, ZHU L Y, PRASAD S K, et al. Magnetic resonance imaging mimicking pathology detects myocardial fibrosis: a door to hope for improving the whole course management[J]. Sci Bull, 2023, 68(9): 864-867. DOI: 10.1016/j.scib.2023.04.014.
[4]
SI D Y, WU Y F, XIAO J J, et al. Three-dimensional high-resolution dark-blood late gadolinium enhancement imaging for improved atrial scar evaluation[J/OL]. Radiology, 2023, 307(5): e222032 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/37278633/. DOI: 10.1148/radiol.222032.
[5]
尹刚, 董志翔, 杨新令, 等. 心脏MR T 1ρ定量技术在肥厚型心肌病心肌纤维化评估中的初步应用[J]. 中华放射学杂志, 2023, 57(10): 1087-1093. DOI: 10.3760/cma.j.cn112149-20220927-00778.
YIN G, DONG Z X, YANG X L, et al. T 1 rho mapping for assessment of myocardial fibrosis in hypertrophic cardiomyopathy[J]. Chin J Radiol, 2023, 57(10): 1087-1093. DOI: 10.3760/cma.j.cn112149-20220927-00778.
[6]
BUSTIN A, PINEAU X, SRIDI S, et al. Assessment of myocardial injuries in ischaemic and non-ischaemic cardiomyopathies using magnetic resonance T1-rho mapping[J]. Eur Heart J Cardiovasc Imaging, 2024, 25(4): 548-557. DOI: 10.1093/ehjci/jead319.
[7]
DONG Z X, MA X, WANG J X, et al. Incremental diagnostic value of right ventricular strain analysis in arrhythmogenic right ventricular cardiomyopathy[J/OL]. J Am Heart Assoc, 2024, 13(1): e031403 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/38156506/. DOI: 10.1161/JAHA.123.031403.
[8]
HALFMANN M C, ALTMANN S, SCHOEPF U J, et al. Left atrial strain correlates with severity of cardiac involvement in Anderson-Fabry disease[J]. Eur Radiol, 2023, 33(3): 2039-2051. DOI: 10.1007/s00330-022-09183-7.
[9]
KRITTANAWONG C, MAITRA N S, HASSAN VIRK H U, et al. Normal ranges of right atrial strain: a systematic review and meta-analysis[J]. JACC Cardiovasc Imaging, 2023, 16(3): 282-294. DOI: 10.1016/j.jcmg.2022.06.022.
[10]
ZHONG L, LENG S, ALABED S, et al. Pulmonary artery strain predicts prognosis in pulmonary arterial hypertension[J]. JACC Cardiovasc Imaging, 2023, 16(8): 1022-1034. DOI: 10.1016/j.jcmg.2023.02.007.
[11]
PU L T, DIAO Y K, WANG J, et al. The predictive value of fast semi-automated left atrial long-axis strain analysis for atrial fibrillation in hypertrophic cardiomyopathy[J]. Eur Radiol, 2023, 33(1): 312-320. DOI: 10.1007/s00330-022-09020-x.
[12]
BARBAROUX H, KUNZE K P, NEJI R, et al. Automated segmentation of long and short axis DENSE cardiovascular magnetic resonance for myocardial strain analysis using spatio-temporal convolutional neural networks[J/OL]. J Cardiovasc Magn Reson, 2023, 25(1): 16 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/36991474/. DOI: 10.1186/s12968-023-00927-y.
[13]
TRENTI C, FEDAK P W M, WHITE J A, et al. Oscillatory shear stress is elevated in patients with bicuspid aortic valve and aortic regurgitation: a 4D flow cardiovascular magnetic resonance cross-sectional study[J]. Eur Heart J Cardiovasc Imaging, 2024, 25(3): 404-412. DOI: 10.1093/ehjci/jead283.
[14]
WEISS E K, JARVIS K, MAROUN A, et al. Systolic reverse flow derived from 4D flow cardiovascular magnetic resonance in bicuspid aortic valve is associated with aortic dilation and aortic valve stenosis: a cross sectional study in 655 subjects[J/OL]. J Cardiovasc Magn Reson, 2023, 25(1): 3 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/36698129/. DOI: 10.1186/s12968-022-00906-9.
[15]
PENG K, ZHANG X L, HUA T, et al. Evaluation of left ventricular blood flow kinetic energy in patients with hypertension by four-dimensional flow cardiovascular magnetic resonance imaging: a preliminary study[J]. Eur Radiol, 2023, 33(7): 4676-4687. DOI: 10.1007/s00330-023-09449-8.
[16]
ASHKIR Z, JOHNSON S, LEWANDOWSKI A J, et al. Novel insights into diminished cardiac reserve in non-obstructive hypertrophic cardiomyopathy from four-dimensional flow cardiac magnetic resonance component analysis[J]. Eur Heart J Cardiovasc Imaging, 2023, 24(9): 1192-1200. DOI: 10.1093/ehjci/jead074.
[17]
ZHAO X D, TAN R S, GARG P, et al. Age- and sex-specific reference values of biventricular flow components and kinetic energy by 4D flow cardiovascular magnetic resonance in healthy subjects[J/OL]. J Cardiovasc Magn Reson, 2023, 25(1): 50 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/37718441/. DOI: 10.1186/s12968-023-00960-x.
[18]
BISSELL M M, RAIMONDI F, AIT ALI L, et al. 4D Flow cardiovascular magnetic resonance consensus statement: 2023 update[J/OL]. J Cardiovasc Magn Reson, 2023, 25(1): 40 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/37474977/. DOI: 10.1186/s12968-023-00942-z.
[19]
PARK S, CHEN L Y, TOWNSEND J, et al. Simultaneous multi-VENC and simultaneous multi-slice phase contrast magnetic resonance imaging[J]. IEEE Trans Med Imaging, 2020, 39(3): 742-752. DOI: 10.1109/TMI.2019.2934422.
[20]
ROOIJAKKERS M J P, VAN WELY M H, HABETS J, et al. A novel approach in the assessment of paravalvular regurgitation after transcatheter aortic valve replacement using cardiac magnetic resonance imaging[J/OL]. Eur Heart J Cardiovasc Imaging, 2023, 24(Supplement_1): jead119.338 [2024-03-14]. https://academic.oup.com/ehjcimaging/article/24/Supplement_1/jead119.338/7198713. DOI: 10.1093/ehjci/jead119.338.
[21]
BUSTAMANTE M, VIOLA F, ENGVALL J, et al. Automatic time-resolved cardiovascular segmentation of 4D flow MRI using deep learning[J]. J Magn Reson Imaging, 2023, 57(1): 191-203. DOI: 10.1002/jmri.28221.
[22]
ROTHENBERGER S M, PATEL N M, ZHANG J C, et al. Automatic 4D flow MRI segmentation using the standardized difference of means velocity[J]. IEEE Trans Med Imaging, 2023, 42(8): 2360-2373. DOI: 10.1109/TMI.2023.3251734.
[23]
崔亚东, 郑冲, 谷珊珊, 等. 一体化PET/MR对缺血性心脏病心肌活性的评估价值[J]. 中华核医学与分子影像杂志, 2023, 43(9): 513-517. DOI: 10.3760/cma.j.cn321828-20220609-00182.
CUI Y D, ZHENG C, GU S S, et al. Assessment of myocardial viability in ischemic heart disease by integrated PET/MR[J]. Chin J Nucl Med Mol Imag, 2023, 43(9): 513-517. DOI: 10.3760/cma.j.cn321828-20220609-00182.
[24]
ZHANG M, QUAN W W, ZHU T Q, et al. 68Ga]Ga-DOTA-FAPI-04 PET/MR in patients with acute myocardial infarction: potential role of predicting left ventricular remodeling[J]. Eur J Nucl Med Mol Imaging, 2023, 50(3): 839-848. DOI: 10.1007/s00259-022-06015-0.
[25]
王梅云. 磁共振成像人工智能的研究现状及发展前景[J]. 磁共振成像, 2023, 14(3): 1-5. DOI: 10.12015/issn.1674-8034.2023.03.001.
WANG M Y. Research status and development prospect of magnetic resonance imaging artificial intelligence[J]. Chin J Magn Reson Imag, 2023, 14(3): 1-5. DOI: 10.12015/issn.1674-8034.2023.03.001.
[26]
OHTA Y, TATEISHI E, MORITA Y, et al. Optimization of null point in Look-Locker images for myocardial late gadolinium enhancement imaging using deep learning and a smartphone[J]. Eur Radiol, 2023, 33(7): 4688-4697. DOI: 10.1007/s00330-023-09465-8.
[27]
WU X, DENG L P, LI W J, et al. Deep learning-based acceleration of compressed sensing for noncontrast-enhanced coronary magnetic resonance angiography in patients with suspected coronary artery disease[J]. J Magn Reson Imaging, 2023, 58(5): 1521-1530. DOI: 10.1002/jmri.28653.
[28]
YOON S, NAKAMORI S, AMYAR A, et al. Accelerated cardiac MRI cine with use of resolution enhancement generative adversarial inline neural network[J/OL]. Radiology, 2023, 307(5): e222878 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/37249435/. DOI: 10.1148/radiol.222878.
[29]
MARTIN-ISLA C, CAMPELLO V M, IZQUIERDO C, et al. Deep learning segmentation of the right ventricle in cardiac MRI: the M&Ms challenge[J]. IEEE J Biomed Health Inform, 2023, 27(7): 3302-3313. DOI: 10.1109/JBHI.2023.3267857.
[30]
PUJADAS E R, RAISI-ESTABRAGH Z, SZABO L, et al. Prediction of incident cardiovascular events using machine learning and CMR radiomics[J]. Eur Radiol, 2023, 33(5): 3488-3500. DOI: 10.1007/s00330-022-09323-z.
[31]
FAHMY A S, ROWIN E J, JAAFAR N, et al. Radiomics of late gadolinium enhancement reveals prognostic valueof myocardial scar heterogeneity in hypertrophic cardiomyopathy[J]. JACC Cardiovasc Imaging, 2024, 17(1): 16-27. DOI: 10.1016/j.jcmg.2023.05.003.
[32]
ARBELO E, PROTONOTARIOS A, GIMENO J R, et al. 2023 ESC Guidelines for the management of cardiomyopathies[J]. Eur Heart J, 2023, 44(37): 3503-3626. DOI: 10.1093/eurheartj/ehad194.
[33]
WANG J X, YANG S J, MA X, et al. Assessment of late gadolinium enhancement in hypertrophic cardiomyopathy improves risk stratification based on current guidelines[J]. Eur Heart J, 2023, 44(45): 4781-4792. DOI: 10.1093/eurheartj/ehad581.
[34]
KIAOS A, DASKALOPOULOS G N, KAMPERIDIS V, et al. Quantitative late gadolinium enhancement cardiac magnetic resonance and sudden death in hypertrophic cardiomyopathy: a meta-analysis[J]. JACC Cardiovasc Imaging, 2024, 17(5): 489-497. DOI: 10.1016/j.jcmg.2023.07.005.
[35]
YANG S J, ZHAO K K, YANG K, et al. Subendocardial involvement as an underrecognized LGE subtype related to adverse outcomes in hypertrophic cardiomyopathy[J]. JACC Cardiovasc Imaging, 2023, 16(9): 1163-1177. DOI: 10.1016/j.jcmg.2023.03.011.
[36]
JOY G, KELLY C I, WEBBER M, et al. Microstructural and microvascular phenotype of sarcomere mutation carriers and overt hypertrophic cardiomyopathy[J]. Circulation, 2023, 148(10): 808-818. DOI: 10.1161/CIRCULATIONAHA.123.063835.
[37]
HEYDARI B, SATRIANO A, JEROSCH-HEROLD M, et al. 3-dimensional strain analysis ofHypertrophic cardiomyopathy: insights from the NHLBI international HCM registry[J]. JACC Cardiovasc Imaging, 2023, 16(4): 478-491. DOI: 10.1016/j.jcmg.2022.10.005.
[38]
XU Z Q, WANG J, CHENG W, et al. Incremental significance of myocardial oedema for prognosis in hypertrophic cardiomyopathy[J]. Eur Heart J Cardiovasc Imaging, 2023, 24(7): 876-884. DOI: 10.1093/ehjci/jead065.
[39]
LI S, WANG Y N, YANG W J, et al. Cardiac MRI risk stratification for dilated cardiomyopathy with left ventricular ejection fraction of 35% or higher[J/OL]. Radiology, 2023, 306(3): e213059 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/36318031/. DOI: 10.1148/radiol.213059.
[40]
LI Y J, XU Y W, LI W H, et al. Cardiac MRI to predict sudden cardiac death risk in dilated cardiomyopathy[J/OL]. Radiology, 2023, 307(3): e222552 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/36916890/. DOI: 10.1148/radiol.222552.
[41]
ZHOU D, ZHU L Y, WU W C, et al. A novel cardiac magnetic resonance-based personalized risk stratification model in dilated cardiomyopathy: a prospective study[J]. Eur Radiol, 2024, 34(6): 4053-4064. DOI: 10.1007/s00330-023-10415-7.
[42]
GAO Y, WANG H P, LIU M X, et al. Early detection of myocardial fibrosis in cardiomyopathy in the absence of late enhancement: role of T1 mapping and extracellular volume analysis[J]. Eur Radiol, 2023, 33(3): 1982-1991. DOI: 10.1007/s00330-022-09147-x.
[43]
IOANNOU A, PATEL R K, RAZVI Y, et al. Multi-imaging characterization of cardiac phenotype in different TypesofAmyloidosis[J]. JACC Cardiovasc Imaging, 2023, 16(4): 464-477. DOI: 10.1016/j.jcmg.2022.07.008.
[44]
IOANNOU A, PATEL R K, MARTINEZ-NAHARRO A, et al. Tracking multiorgan treatment response in systemic AL-amyloidosis with cardiac magnetic resonance derived extracellular volume mapping[J]. JACC Cardiovasc Imaging, 2023, 16(8): 1038-1052. DOI: 10.1016/j.jcmg.2023.02.019.
[45]
IOANNOU A, PATEL R K, MARTINEZ-NAHARRO A, et al. Tracking treatment response in cardiac light-chain amyloidosis with native T1 mapping[J]. JAMA Cardiol, 2023, 8(9): 848-852. DOI: 10.1001/jamacardio.2023.2010.
[46]
VIRANI S S, NEWBY L K, ARNOLD S V, et al. 2023 AHA/ACC/ACCP/ASPC/NLA/PCNA guideline for the management of patients with chronic coronary disease: a report of the American heart association/american college of cardiology joint committee on clinical practice guidelines[J/OL]. Circulation, 2023, 148(9): e9-e119 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/37471501/. DOI: 10.1161/CIR.0000000000001168.
[47]
BYRNE R A, ROSSELLO X, COUGHLAN J J, et al. 2023 ESC Guidelines for the management of acute coronary syndromes[J]. Eur Heart J Acute Cardiovasc Care, 2024, 13(1): 55-161. DOI: 10.1093/ehjacc/zuad107.
[48]
ARAI A E, SCHULZ-MENGER J, SHAH D J, et al. Stress perfusion cardiac magnetic resonance vs SPECT imaging for detection of coronary artery disease[J]. J Am Coll Cardiol, 2023, 82(19): 1828-1838. DOI: 10.1016/j.jacc.2023.08.046.
[49]
RICCI F, KHANJI M Y, BISACCIA G, et al. Diagnostic and prognostic value of stress cardiovascular magnetic resonance imaging in patients with known or suspected coronary artery disease: a systematic review and meta-analysis[J]. JAMA Cardiol, 2023, 8(7): 662-673. DOI: 10.1001/jamacardio.2023.1290.
[50]
ZHAO S H, GUO W F, YAO Z F, et al. Fully automated pixel-wise quantitative CMR-myocardial perfusion with CMR-coronary angiography to detect hemodynamically significant coronary artery disease[J]. Eur Radiol, 2023, 33(10): 7238-7249. DOI: 10.1007/s00330-023-09689-8.
[51]
BAWASKAR P, THOMAS N, ISMAIL K, et al. Nonischemic or dual cardiomyopathy in patients with coronary artery disease[J]. Circulation, 2024, 149(11): 807-821. DOI: 10.1161/CIRCULATIONAHA.123.067032.
[52]
JONES R E, ZAIDI H A, HAMMERSLEY D J, et al. Comprehensive phenotypic characterization of late gadolinium enhancement predicts sudden cardiac death in coronary artery disease[J]. JACC Cardiovasc Imaging, 2023, 16(5): 628-638. DOI: 10.1016/j.jcmg.2022.10.020.
[53]
LIANG K T, BISACCIA G, LEO I, et al. CMR reclassifies the majority of patients with suspected MINOCA and non MINOCA[J]. Eur Heart J Cardiovasc Imaging, 2023, 25(1): 8-15. DOI: 10.1093/ehjci/jead182.
[54]
MILEVA N, PAOLISSO P, GALLINORO E, et al. Diagnostic and prognostic role of cardiac magnetic resonance in MINOCA: systematic review and meta-analysis[J]. JACC Cardiovasc Imaging, 2023, 16(3): 376-389. DOI: 10.1016/j.jcmg.2022.12.029.
[55]
BELTRAME J F. Comprehensive diagnostic assessmentin MINOCA[J]. JACC Cardiovasc Imag, 2023, 16(4): 533-535. DOI: 10.1016/j.jcmg.2022.12.018.
[56]
BERGAMASCHI L, FOÀ A, PAOLISSO P, et al. Prognostic role of early cardiac magnetic resonance in myocardial infarction with nonobstructive CoronaryArteries[J]. JACC Cardiovasc Imaging, 2024, 17(2): 149-161. DOI: 10.1016/j.jcmg.2023.05.016.
[57]
李静惠, 赵世华, 陆敏杰. 新型冠状病毒感染相关心肌损伤MRI表现[J]. 中华放射学杂志, 2023, 57(12): 1378-1382. DOI: 10.3760/cma.j.cn112149-20230926-00237.
LI J H, ZHAO S H, LU M J. MR characteristics of myocardial injury in COVID-19[J]. Chin J Radiol, 2023, 57(12): 1378-1382. DOI: 10.3760/cma.j.cn112149-20230926-00237.
[58]
FERREIRA V M, PLEIN S, WONG T C, et al. Cardiovascular magnetic resonance for evaluation of cardiac involvement in COVID-19: recommendations by the Society for Cardiovascular Magnetic Resonance[J/OL]. J Cardiovasc Magn Reson, 2023, 25(1): 21 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/36973744/. DOI: 10.1186/s12968-023-00933-0.
[59]
VIDULA M K, RAJEWSKA-TABOR J, CAO J J, et al. Myocardial injury on CMR in patients with COVID-19 and suspected cardiac involvement[J]. JACC Cardiovasc Imaging, 2023, 16(5): 609-624. DOI: 10.1016/j.jcmg.2022.10.021.
[60]
ARTICO J, SHIWANI H, MOON J C, et al. Myocardial involvement after hospitalization for COVID-19 complicated by troponin elevation: a prospective, multicenter, observational study[J]. Circulation, 2023, 147(5): 364-374. DOI: 10.1161/CIRCULATIONAHA.122.060632.
[61]
AJMONE MARSAN N, DELGADO V, SHAH D J, et al. Valvular heart disease: shifting the focus to the myocardium[J]. Eur Heart J, 2023, 44(1): 28-40. DOI: 10.1093/eurheartj/ehac504.
[62]
MALAHFJI M, CRUDO V, KAOLAWANICH Y, et al. Influence of cardiac remodeling on clinical outcomes in patients with AorticRegurgitation[J]. J Am Coll Cardiol, 2023, 81(19): 1885-1898. DOI: 10.1016/j.jacc.2023.03.001.
[63]
GUGLIELMO M, ARANGALAGE D, BONINO M A, et al. Additional value of cardiac magnetic resonance feature tracking parameters for the evaluation of the arrhythmic risk in patients with mitral valve prolapse[J/OL]. J Cardiovasc Magn Reson, 2023, 25(1): 32 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/37316826/. DOI: 10.1186/s12968-023-00944-x.
[64]
WANG T K M, KOCYIGIT D, CHOI H, et al. Prognostic power of quantitative assessment of functional mitral regurgitation and myocardial scar quantification by cardiac magnetic resonance[J/OL]. Circ Cardiovasc Imaging, 2023, 16(8): e015134 [2024-03-14]. https://pubmed.ncbi.nlm.nih.gov/37503633/. DOI: 10.1161/CIRCIMAGING.122.015134.
[65]
REINDL M, LECHNER I, HOLZKNECHT M, et al. Cardiac magnetic resonance imaging versus computed tomography to guide transcatheter aortic valve replacement: a randomized, open-label, noninferiority trial[J]. Circulation, 2023, 148(16): 1220-1230. DOI: 10.1161/CIRCULATIONAHA.123.066498.

上一篇 人工智能在头颈动脉粥样硬化斑块高分辨磁共振血管壁成像中的应用进展
下一篇 MRI在三阴性乳腺癌新辅助化疗疗效评价中的研究进展
  
诚聘英才 | 广告合作 | 免责声明 | 版权声明
联系电话:010-67113815
京ICP备19028836号-2