Analiza blaszki miażdżycowej: przełom we wczesym wykrywaniu miażdżycy tętnic wieńcowych.

Powszechnie nazywana „wieńcówką”, a fachowo jest to „zespół wieńcowy” – choroba polegająca na odkładaniu się złogów cholesterolu w ścianach tętnic wieńcowych, prowadząca do niedokrwienia mięśnia sercowego i zawału serca. Rozwija się latami, a pierwsze zmiany w ścianach tętnic obecne są już u 20. czy 30-latków – jednak na tym etapie nie dają żadnych objawów.

Pierwsze dolegliwości pacjenci zaczynają czuć dopiero po 50. roku życia w postaci ucisku w klatce piersiowej, uczucia zatykania czy krótkiego oddechu związanego z wysiłkiem. Niestety pierwszym klinicznym objawem może też być zawał serca – bez jakichkolwiek objawów przepowiadających. Nic więc dziwnego, że pojawia się pytanie, czy jesteśmy w stanie wykryć miażdżycę tt. wieńcowych na wczesnym etapie i określić, jak bardzo jest zaawansowana, a w razie potrzeby zahamować?

Złotym standardem oceny tętnic wieńcowych jest koronarografia – inwazyjne badanie polegające na wprowadzeniu cewnika do naczynia wieńcowego i nagraniu, jak podawany przez niego kontrast wypełnia światło naczynia, w celu wykrycia zwężeń. Nie jest to jednak metoda, którą można by stosować powszechnie w formie skriningu populacji. Od blisko dekady obserwujemy dynamiczny rozwój tomografii komputerowej tętnic wieńcowych, coraz częściej nazywanej „nieinwazyjną koronarografią”, polegającej na wykonaniu skanu tętnic wieńcowych w czasie kilku sekund, bez konieczności wprowadzania cewników do aorty.

Poza standardową analizą obrazów obejmującą ocenę światła tętnic wieńcowych, możliwa jest również ocena budowy ściany naczyń, a w szczególności skwantyfikowania blaszek miażdżycowych, a tym samym wykrycia choroby na bardzo wczesnym etapie. Dotychczas takie analizy były dostępne w zasadzie wyłącznie w ramach projektów akademickich, gdyż były wykonywane manualnie, co zajmowało do kilkunastu godzin na przypadek. Wraz z upowszechnieniem metod obliczeniowych opartych na sztucznej inteligencji, proces ten został znacznie przyspieszony, co pozwoliło na udostępnienie metody szerszej populacji pacjentów.

W ramach analizy blaszki miażdżycowej (ang. plaque analysis) otrzymujemy nie tylko informację o jej objętości (ang. Total Plaque Volume), ale także o podziale na podstawowe podtypy (blaszka uwapniona, nieuwapniona, o niskiej atenuacji), a to pozwala określić jakie jest ryzyko jej pęknięcia (zawału serca), a także potencjalną odpowiedź na leczenie farmakologiczne. Ponadto wykonanie kontrolnego badania po określonym leczeniu pozwala na weryfikację, czy obserwowana miażdżyca nasiliła się, uległa stabilizacji, a może udało się ją częściowo cofnąć.

Poniżej kilka przykładów technologii do oceny blaszki miażdżycowej dostępnych do zastosowania klinicznego. Wydaje się, że w najbliższej dekadzie takie podejście ma szansę stać się metodą skriningu pacjentów w kierunku miażdżycy, zanim pojawią się objawy.

Dostępność zaawansowanej oceny blaszek miażdżycywych nadal pozostaje ograniczona. Mimo, że powyższe analizy są objęte refundacją choćby w Stanach Zjednoczonych, to ich użycie w naszej szerokości geograficznej dostępne jest wyłącznie komercyjnie. Tymniemniej, śledząc postęp i wyniki kolejnych badań naukowych należy się spodziewać, że wdrożenie analizy balszki miażdżycowej w oparciu o tomografię komputerową tętnic wieńcowych jako elementu prewencji pierwotnej zawałów serca jest kwestią czasu.

Referencje:

1. Nieman K, García-García HM, Hideo-Kajita A, Collet C, Dey D, Pugliese F, Weissman G, Tijssen JGP, Leipsic J, Opolski MP, Ferencik M, Lu MT, Williams MC, Bruining N, Blanco PJ, Maurovich-Horvat P, Achenbach S. Standards for quantitative assessments by coronary computed tomography angiography (CCTA): An expert consensus document of the society of cardiovascular computed tomography (SCCT). J Cardiovasc Comput Tomogr. 2024 Sep-Oct;18(5):429-443. doi: 10.1016/j.jcct.2024.05.232. Epub 2024 Jun 6. PMID: 38849237.
2. Bär S, Knuuti J, Saraste A, Klén R, Kero T, Nabeta T, Bax JJ, Danad I, Nurmohamed NS, Jukema RA, Knaapen P, Maaniitty T. Derivation and Validation of an Artificial Intelligence-Based Plaque Burden Safety Cut-Off for Long-Term Acute Coronary Syndrome from Coronary Computed Tomography Angiography. Eur Heart J Cardiovasc Imaging. 2025 Apr 17:jeaf121. doi: 10.1093/ehjci/jeaf121. Epub ahead of print. PMID: 40243706.
3. Dahdal J, Jukema RA, Maaniitty T, Nurmohamed NS, Raijmakers PG, Hoek R, Driessen RS, Twisk JWR, Bär S, Planken RN, van Royen N, Nijveldt R, Bax JJ, Saraste A, van Rosendael AR, Knaapen P, Knuuti J, Danad I. CCTA-Derived Coronary Plaque Burden Offers Enhanced Prognostic Value Over CAC Scoring In Suspected CAD Patients. Eur Heart J Cardiovasc Imaging. 2025 Mar 25:jeaf093. doi: 10.1093/ehjci/jeaf093. Epub ahead of print. PMID: 40131307.
4. Kim DH, Kim SH, Chu HW, Kang SH, Yoon CH, Youn TJ, Chae IH. Validation of artificial intelligence-based quantitative coronary angiography. Digit Health. 2024 Dec 18;10:20552076241306937. doi: 10.1177/20552076241306937. PMID: 39698508; PMCID: PMC11653446.
5. Tzimas G, Gulsin GS, Everett RJ, Akodad M, Meier D, Sewnarain K, Ally Z, Alnamasy R, Ng N, Mullen S, Rotzinger D, Sathananthan J, Sellers SL, Blanke P, Leipsic JA. Age- and Sex-Specific Nomographic CT Quantitative Plaque Data From a Large International Cohort. JACC Cardiovasc Imaging. 2024 Feb;17(2):165-175. doi: 10.1016/j.jcmg.2023.05.011. Epub 2023 Jul 5. PMID: 37410009.
6. Chan K, Wahome E, Tsiachristas A, Antonopoulos AS, Patel P, Lyasheva M, Kingham L, West H, Oikonomou EK, Volpe L, Mavrogiannis MC, Nicol E, Mittal TK, Halborg T, Kotronias RA, Adlam D, Modi B, Rodrigues J, Screaton N, Kardos A, Greenwood JP, Sabharwal N, De Maria GL, Munir S, McAlindon E, Sohan Y, Tomlins P, Siddique M, Kelion A, Shirodaria C, Pugliese F, Petersen SE, Blankstein R, Desai M, Gersh BJ, Achenbach S, Libby P, Neubauer S, Channon KM, Deanfield J, Antoniades C; ORFAN Consortium. Inflammatory risk and cardiovascular events in patients without obstructive coronary artery disease: the ORFAN multicentre, longitudinal cohort study. Lancet. 2024 Jun 15;403(10444):2606-2618. doi: 10.1016/S0140-6736(24)00596-8. Epub 2024 May 29. PMID: 38823406; PMCID: PMC11664027.