Значение компьютерной томографической коронарной ангиографии при остром коронарном синдроме и анализ показателей, влияющих на прогноз

Цель    Оценить значение компьютерной томографической коронарной ангиографии (КТ-КАГ) в сочетании с системой классификации CAD-RADS и параметрами, характеризующими бляшки высокого риска, для прогнозирования серьезных неблагоприятных сердечно-сосудистых событий (Major adverse cardiovascular event – MACE) в течение 30 дней у пациентов с острым коронарным синдромом (ОКС).
Материал и методы    Проведено проспективное многоцентровое когортное исследование с участием 300 пациентов с ОКС, госпитализированных в четыре больницы третьего уровня с января 2023 г. по июнь 2024 г. Всем пациентам выполнена КТ-КАГ в течение 24 ч после поступления. Степень тяжести стеноза коронарных артерий оценивалась с помощью критериев CAD-RADS 2.0, кроме этого, анализировались характеристики высокого риска бляшек, включая бляшки низкой плотности, положительное ремоделирование, пятнистую кальцификацию и признак «салфеточного кольца». Были собраны исходные клинические данные, рассчитаны баллы по шкале Global Registry of Acute Coronary Events (GRACE) и оценена частота MACE за 30 дней. Для оценки факторов риска был использован логистический регрессионный анализ, а для оценки диагностической эффективности – ROC-анализ.
Результаты    Частота 30 дневных MACE составила 22,7 % (68 из 300 случаев). Ранговый корреляционный анализ Спирмена показал, что частота MACE имела значимую положительную корреляцию со степенью CAD-RADS (ρ=0,658, p<0,05), увеличиваясь с 0 % при степени CAD-RADS 0 до 100 % – при степени CAD-RADS 5. Пациенты в группе MACE были старше, чаще страдали диабетом и имели более высокие показатели GRACE (все p<0,05). Характеристики бляшек высокого риска, т. е. низкая плотность бляшки, положительное ремоделирование и признак «салфеточного кольца», чаще выявлялись в группе MACE (все p<0,05). Многофакторный анализ показал, что оценка по шкале GRACE и положительное ремоделирование были независимыми предикторами 30 дневного MACE (оба p<0,05). Комплексная модель прогнозирования, сочетающая оценку по шкале GRACE, классификацию CAD-RADS и характеристики бляшек высокого риска, достигла площади под кривой ROC (AUC) 0,789, что значительно превосходит модель, основанную только на оценке по шкале GRACE (AUC=0,723, p=0,018), и привела к улучшению дискриминационной способности на 9,1 %.
Заключение    Неинвазивное визуальное обследование с помощью КТ-КАГ в сочетании с классификацией CAD-RADS и оценкой характеристик бляшек высокого риска может улучшить прогнозирование 30 дневного риска MACE у пациентов с ОКС по сравнению с традиционными шкалами риска, предоставляя важную информацию для клинической стратификации риска и оптимизации стратегий лечения.

1. Licordari R, Costa F, Garcia-Ruiz V, Mamas MA, Marquis-Gravel G, De La Torre Hernandez JM et al. The Evolving Field of Acute Coronary Syndrome Management: A Critical Appraisal of the 2023 European Society of Cardiology Guidelines for the Management of Acute Coronary Syndrome. Journal of Clinical Medicine. 2024;13(7):1885. DOI: 10.3390/jcm13071885

2. Byrne RA, Rossello X, Coughlan JJ, Barbato E, Berry C, Chieffo A et al. 2023 ESC Guidelines for the management of acute coronary syndromes. European Heart Journal. 2023;44(38):3720–826. DOI: 10.1093/eurheartj/ehad191

3. Kabiri A, Gharin P, Forouzannia SA, Ahmadzadeh K, Miri R, Yousefifard M. HEART versus GRACE Score in Predicting the Outcomes of Patients with Acute Coronary Syndrome; a Systematic Review and Meta-Analysis. Archives of Academic Emergency Medicine. 2023;11(1):e50. DOI: 10.22037/aaem.v11i1.2001

4. Sandoval Y, Leipsic JA, Collet C, Ali ZA, Azzalini L, Barbato E et al. Coronary Computed Tomography Angiography to Guide Percutaneous Coronary Intervention: Expert Opinion from a SCAI/SCCT Roundtable. Journal of the Society for Cardiovascular Angiography & Interventions. 2025;4(6):103664. DOI: 10.1016/j.jscai.2025.103664

5. Oikonomou EK, Antoniades C. The role of adipose tissue in cardiovascular health and disease. Nature Reviews Cardiology. 2019;16(2):83–99. DOI: 10.1038/s41569-018-0097-6

6. Van Rosendael AR, Crabtree T, Bax JJ, Nakanishi R, Mushtaq S, Pontone G et al. Rationale and design of the CONFIRM2 (Quantitative COroNary CT Angiography Evaluation For Evaluation of Clinical Outcomes: An InteRnational, Multicenter Registry) study. Journal of Cardiovascular Computed Tomography. 2024;18(1):11–7. DOI: 10.1016/j.jcct.2023.10.004

7. Knuuti J, Wijns W, Saraste A, Capodanno D, Barbato E, FunckBrentano C et al. 2019 ESC Guidelines for the diagnosis and management of chronic coronary syndromes. European Heart Journal. 2020;41(3):407–77. DOI: 10.1093/eurheartj/ehz425

8. Ichikawa K, Miyoshi T, Osawa K, Nakashima M, Miki T, Nishihara T et al. High pericoronary adipose tissue attenuation on computed tomography angiography predicts cardiovascular events in patients with type 2 diabetes mellitus: post-hoc analysis from a prospective cohort study. Cardiovascular Diabetology. 2022;21(1):44. DOI: 10.1186/s12933-022-01478-9

9. Blaha MJ, Mortensen MB, Kianoush S, Tota-Maharaj R, CainzosAchirica M. Coronary Artery Calcium Scoring: is it time for a change in methodology? JACC: Cardiovascular Imaging. 2017;10(8):923–37. DOI: 10.1016/j.jcmg.2017.05.007

10. Oeing CU, Matheson MB, Ostovaneh MR, Rochitte CE, Chen MY, Pieske B et al. Coronary artery disease grading by cardiac CT for predicting outcome in patients with stable angina. Journal of Cardiovascular Computed Tomography. 2023;17(5):310–7. DOI: 10.1016/j.jcct.2023.07.004

11. Maurovich-Horvat P, Ferencik M, Voros S, Merkely B, Hoffmann U. Comprehensive plaque assessment by coronary CT angiography. Nature Reviews Cardiology. 2014;11(7):390–402. DOI: 10.1038/nrcardio.2014.60

12. Suzuki K, Kinoshita D, Yuki H, Niida T, Sugiyama T, Yonetsu T et al. Higher Noncalcified Plaque Volume Is Associated With Increased Plaque Vulnerability and Vascular Inflammation. Circulation: Cardiovascular Imaging. 2024;17(1):e015769. DOI: 10.1161/CIRCIMAGING.123.015769

13. Hadamitzky M, Freißmuth B, Meyer T, Hein F, Kastrati A, Martinoff S et al. Prognostic Value of Coronary Computed Tomogra phic Angiography for Prediction of Cardiac Events in Patients With Suspected Coronary Artery Disease. JACC: Cardiovascular Imaging. 2009;2(4):404–11. DOI: 10.1016/j.jcmg.2008.11.015

14. Nannini G, Saitta S, Baggiano A, Maragna R, Mushtaq S, Pontone G et al. A fully automated deep learning approach for coronary artery segmentation and comprehensive characterization. APL Bioengineering. 2024;8(1):016103. DOI: 10.1063/5.0181281

15. Bauer MJ, Nano N, Adolf R, Will A, Hendrich E, Martinoff SA et al. Prognostic Value of Machine Learning–based Time-to-Event Analysis Using Coronary CT Angiography in Patients with Suspected Coronary Artery Disease. Radiology: Cardiothoracic Imaging. 2023;5(2):e220107. DOI: 10.1148/ryct.220107

16. Maurovich-Horvat P, Schlett CL, Alkadhi H, Nakano M, Otsuka F, Stolzmann P et al. The Napkin-Ring Sign Indicates Advanced Atherosclerotic Lesions in Coronary CT Angiography. JACC: Cardiovascular Imaging. 2012;5(12):1243–52. DOI: 10.1016/j.jcmg.2012.03.019

17. Feuchtner G, Kerber J, Burghard P, Dichtl W, Friedrich G, Bonaros N et al. The high-risk criteria low-attenuation plaque <60 HU and the napkin-ring sign are the most powerful predictors of MACE: a long-term follow-up study. European Heart Journal - Cardiovascular Imaging. 2017;18(7):772–9. DOI: 10.1093/ehjci/jew167

18. Otsuka K, Fukuda S, Tanaka A, Nakanishi K, Taguchi H, Yoshikawa J et al. Napkin-Ring Sign on Coronary CT Angiography for the Prediction of Acute Coronary Syndrome. JACC: Cardiovascular Imaging. 2013;6(4):448–57. DOI: 10.1016/j.jcmg.2012.09.016

19. Taron J, Foldyna B, Mayrhofer T, Osborne MT, Meyersohn N, Bittner DO et al. Risk Stratification With the Use of Coronary Computed Tomographic Angiography in Patients With Nonobstructive Coronary Artery Disease. JACC: Cardiovascular Imaging. 2021;14(11):2186–95. DOI: 10.1016/j.jcmg.2021.03.019

20. Tzolos E, Williams MC, McElhinney P, Lin A, Grodecki K, Flores Tomasino G et al. Pericoronary Adipose Tissue Attenuation, Low-Attenuation Plaque Burden, and 5-Year Risk of Myocardial Infarction. JACC: Cardiovascular Imaging. 2022;15(6):1078–88. DOI: 10.1016/j.jcmg.2022.02.004

21. Föllmer B, Williams MC, Dey D, Arbab-Zadeh A, Maurovich-Horvat P, Volleberg RHJA et al. Roadmap on the use of artificial intelligence for imaging of vulnerable atherosclerotic plaque in coronary arteries. Nature Reviews Cardiology. 2024;21(1):51–64. DOI: 10.1038/s41569-023-00900-3

22. Narula J, Stuckey TD, Nakazawa G, Ahmadi A, Matsumura M, Petersen K et al. Prospective deep learning–based quantitative assessment of coronary plaque by computed tomography angiography compared with intravascular ultrasound: the REVEALPLAQUE study. European Heart Journal - Cardiovascular Imaging. 2024;25(9):1287–95. DOI: 10.1093/ehjci/jeae115

23. Baeßler B, Götz M, Antoniades C, Heidenreich JF, Leiner T, Beer M. Artificial intelligence in coronary computed tomography angiography: Demands and solutions from a clinical perspective. Frontiers in Cardiovascular Medicine. 2023;10:1120361. DOI: 10.3389/fcvm.2023.1120361

24. Giesen A, Mouselimis D, Weichsel L, Giannopoulos AA, Schmermund A, Nunninger M et al. Pericoronary adipose tissue attenuation is associated with non-calcified plaque burden in patients with chronic coronary syndromes. Journal of Cardiovascular Computed Tomography. 2023;17(6):384–92. DOI: 10.1016/j.jcct.2023.08.008

25. Ihdayhid AR, Sehly A, He A, Joyner J, Flack J, Konstantopoulos J et al. Coronary Artery Stenosis and High-Risk Plaque Assessed With an Unsupervised Fully Automated Deep Learning Technique. JACC: Advances. 2024;3(9):100861. DOI: 10.1016/j.jacadv.2024.100861

26. Lee S, Giesen A, Mouselimis D, Weichsel L, Giannopoulos AA, Nunninger M et al. Composite cardiac computed tomography angiography score for improved risk assessment in chronic coronary syndromes. Scientific Reports. 2025;15(1):3089. DOI: 10.1038/s41598-025-87118-0