心血管风险评估的高级范式:
整合 生物标志物 以及成像 精准心脏病学
摘要
心血管疾病 尽管在预防、药物治疗和影像学方面取得了重大进展,(心血管疾病)仍然是全球发病率和死亡率的主要原因。传统的风险评估工具,包括 弗 Framingham 风险评分 和 ACC/AHA 汇总队列方程, ,几十年来为预防心脏病学奠定了基础,然而它们在个体层面的局限性却日益明显。这些模型根据人口统计学和临床资料来估计未来事件的发生概率 风险因素, 但它们不能直接量化动脉粥样硬化负荷,, 斑块 生物学特征,或是亚临床心肌损伤。因此,相当一部分心血管事件仍然发生在被归类为低风险或中风险的人群中,而一些被传统模型指定为高风险的个体可能只有很少可检测到的疾病。.
这种不匹配促使了精准心脏病学的出现——这是一种整合了先进脂质标志物、炎症与代谢生物标志物、遗传易感性、心脏特异性标志物以及解剖学影像学的方法,旨在对风险进行更具个体化和生物学依据的评估。本手稿综述了先进的血液生物标志物,包括 载脂蛋白 B (载脂蛋白B), 脂蛋白(a) [脂蛋白(a)], 小而密低密度 脂蛋白 (sdLDL)、氧化低密度脂蛋白 (oxLDL)、, 高敏感C反应蛋白(hs-CRP), 脂蛋白相关磷脂酶A2(Lp-PLA2), ,禁食 胰岛素 以及 胰岛素抵抗 指数, 高敏肌钙蛋白, ,和 氨基末端脑钠肽前体, ,以及成像模态,包括 冠状动脉钙化积分 以及 计算机断层扫描 冠状动脉CT血管成像(CCTA)。特别强调了这些工具在分层框架内的整合。目前的证据表明,结合生物学和解剖学信息可以提高区分能力,, 重新分类, ,以及预防性治疗分配。从基于人群的预测向个性化疾病表征的转变,代表了心血管预防领域的一个重大范式转变,并为通过更早、更精准的干预来减轻动脉粥样硬化性疾病的全球负担提供了机遇 [1]–[27].

介绍
心血管预防的现代史与流行病学的发展密不可分 风险预测. 具有里程碑意义的纵向研究确定了年龄、性别、, 血压, 吸烟, 总胆固醇, ,和 糖尿病 作为未来心血管事件的主要决定因素,并在临床实践中能够构建出实用的风险评估工具1], [2]。这些模型使临床医生能够从纯粹的被动应对方法转向基于预期概率的方法,从而改变了预防性医疗,它们还为以下方面的指南指导治疗阈值奠定了框架 他汀类药物 以及 抗高血压的 疗法。然而,随着这些工具的广泛采用,它们的局限性也变得越来越明显:它们作为群体层面的估计效果很好,但群体层面的表现并不能保证对任何特定个体的风险进行准确的表征。.
在常规临床实践中,临床医生经常遇到血脂数值看似正常、计算风险中等的患者,他们后来却表现出 心肌梗死, ,以及传统影像学显示几乎没有或没有动脉粥样硬化负荷的具有多种常规危险因素的患者。传统计算器并未直接测量 致动脉粥样硬化性颗粒数, ,遗传性促动脉粥样硬化状态(如Lp(a)升高)、炎症活性、, 斑块表型, ,或心肌应激。因此,它们将一个生物学上复杂的进程压缩为有限数量的输入变量。其结果是可以预见的:识别不足 剩余风险, ,对疾病异质性认识不足,以及预防治疗与真正生物学需求的匹配度不够精准 [3], [4].
这 PREVENT 方程 代表了实质性的前进,因为它们改善了校准、纳入了肾功能并消除了基于种族的变量3]. 尽管如此,PREVENT 仍然是一个概率估计模型,而不是直接的疾病检测手段。它并未回答现代预防心脏病学中日益核心的一个问题:这位患者的动脉内部到底发生了什么?, 心肌, ,以及当前的潜在生物学通路?
这个问题变得更容易回答了,因为脂质学、分子生物标志物和无创成像的进步现在使临床医生能够通过多个互补的视角来审视心血管风险。ApoB 提供了直接计数 致动脉粥样硬化颗粒 而不是……的大致估计 胆固醇 内容 [6], [7]. Lp(a) 明确了早发性疾病的遗传介导且通常无症状的驱动因素 [8]–[11]. hs-CRP 反映了残余风险的炎症轴 [13]. 高灵敏度 肌钙蛋白 并在明显临床疾病出现之前,NT-proBNP能够检测出亚临床心肌损伤和血流动力学应激16]–[18]。CAC评分量化了 钙化斑块, ,而CCTA不仅评估 狭窄 但斑块成分和高危形态[19]–[23人工智能通过提高可重复性并实现大规模定量斑块分析,扩展了影像学的价值24], [25].
本手稿旨在将这些进展综合到一个用于心血管风险评估的连贯框架中。讨论没有将生物标志物和影像学视为孤立的工具,而是将它们呈现为一个在生物学和解剖学上整合的模型的组成部分。其核心论点是,风险评估的未来不在于抛弃常规危险因素,而在于将它们置于一个更广阔、更精确的架构中,以反映动脉粥样硬化疾病真正的病理生物学。.
动脉粥样硬化风险的生物学基础
动脉粥样硬化 在症状出现之前很久,在跨越传统的临床疾病阈值之前很久就已经开始了。它是由含ApoB的脂蛋白在 内皮下间隙 易感动脉节段的——关键诱发事件5]. 曾被困在 内膜, ,这些颗粒会发生氧化和酶促修饰,使其成为内皮细胞激活和固有免疫信号传导的强效触发因素。单核细胞迁移至血管壁内,分化为 巨噬细胞, ,并通过清道夫受体摄取修饰后的脂质,产生 泡沫细胞 以及 脂肪纹. 随着时间的推移, 病变 演变成包含脂质核心、坏死碎片的复杂斑块, 平滑肌细胞, 钙化, ,炎性浸润,, 细胞外基质 改建,和一个 纤维帽 厚度可变的5].
这种生物学特性带来了几个启示。首先,单纯的胆固醇浓度并不足以描述致动脉粥样硬化的负荷,因为颗粒数量和行为具有独立的重要性。其次,, 炎症 并非次要的旁观者现象,而是斑块形成、进展和不稳定的核心特征。第三,, 斑块破裂 不仅取决于斑块的大小,还取决于其成分和生物学活性——体积小但含有大量 富脂质坏死核心 而且薄纤维帽比大型、钙化的稳定病变更容易破裂。第四,心肌本身在患者出现症状之前很久就能发出应激或损伤的信号 心绞痛, 心力衰竭, 或明显的缺血性事件。简而言之,心血管风险是颗粒物暴露、遗传易感性、炎症基调、代谢功能障碍、斑块表型和心肌反应共同作用的结果。.
简化风险评估模型的不足根源于疾病本身的复杂性。如果动脉粥样硬化是由几个部分独立的生物学轴驱动的,那么准确的风险评估就必须直接对这些轴进行检测。这是将心血管评估扩展到低密度脂蛋白胆固醇(LDL-C)和常规风险因素之外的根本基础。.
传统风险评分:效用与局限性
传统风险评分仍然不可或缺,因为它们易于获取、经过验证且易于实施。它们为估算提供了起点 绝对风险 并帮助确定从预防性治疗中获益的广泛群体1], [2]。它们还将数十年的流行病学证据转化为可用于床边的工具,从而支持公共卫生策略。忽视它们将是一个错误。.
然而,它们的优势与其简化密不可分。在这些模型中,年龄占有极大的权重,往往掩盖了年轻成人的生物学危险因素,而这些年轻成人可能已经潜藏着显著的亚临床疾病。相反,即使影像学和生物标志物特征表明生物学活性相对较低,较高的年龄也会推高风险估计值。这些模型通常假设测得的危险因素能够充分代表潜在的疾病过程,而实际情况往往并非如此。尽管颗粒数量和成分存在显着的个体间差异,LDL-C仍被视主要的脂质变量。炎症、遗传性脂蛋白异常以及斑块表型均未被纳入。. 家族史 纳入不一致或权重过低3], [4].
这些局限性在某些表型中尤为重要。患者 代谢综合征 或者 2 型糖尿病患者尽管 ApoB 和致动脉粥样硬化残余负荷升高,但其 LDL-C 往往具有欺骗性的正常水平。Lp(a) 极高的个体在使用传统计算器评估时可能会显得风险较低,直到他们发生过早的心血管事件。女性和年轻成年人可能具有 非钙化斑块 这些斑块在钙化积分中不可见,但在冠状动脉CT血管成像(CCTA)上具有临床意义。尽管采取了积极的治疗,持续存在炎症激活的患者仍可能面临较高的风险 降脂. 传统评分失效,并非因为它们毫无用处,而是因为它们不够完整。因此,以下讨论的生物标志物和影像学策略应被视为消除不确定性、精细化评估以及检测基础模型所无法发现之物的工具。.
载脂蛋白 B 与颗粒数范式
载脂蛋白B(ApoB)已成为现代预防心脏病学中最引人注目的标志物之一,因为它比传统的胆固醇测量方法更能准确地反映致动脉粥样硬化的生物学机制6], [7]。每一种能够进入动脉壁的致动脉粥样硬化颗粒——包括 低密度脂蛋白, 极低密度脂蛋白 残余, IDL, ,而脂蛋白(a)——恰好携带一个ApoB分子。因此,测量ApoB可以直观地反映出血液中致动脉粥样硬化颗粒的总负荷。从机制的角度来看,这一点高度相关:与动脉壁相互作用并引发斑块形成的,是这些颗粒,而不是它们所包含的胆固醇的总质量 [5].
这一区别在临床上很重要,因为低密度脂蛋白胆固醇(LDL-C)和载脂蛋白B(ApoB)可能会出现显著的分离。在胰岛素抵抗状态下,, 肥胖, ,代谢综合征和2型糖尿病中,LDL颗粒通常变得更小且胆固醇贫乏——经典的 小而密低密度脂蛋白 表型。因此,一个人的LDL-C值可能看起来接近目标,但同时体内仍携带着大量致动脉粥样硬化颗粒。这就是 不协调 状态。在这类患者中,ApoB 仍然保持升高,并更好地反映了颗粒在血管壁中滞留的真实风险。包含数十万参与者的大型队列分析已经证实,当存在不一致性时,ApoB 在预测心血管事件方面通常优于 LDL-C [6], [7].
ApoB在治疗靶点上也具有实际优势。它将几个致动脉粥样硬化颗粒类别整合为一个单一指标,因此可能更好地反映高甘油三酯血症或混合型血脂异常人群的残余风险 血脂异常. 对于临床医生而言,当低密度脂蛋白胆固醇(LDL-C)和非高密度脂蛋白胆固醇(non-HDL-C)看似可接受,但更广泛的临床表型提示风险升高时,载脂蛋白B(ApoB)可以解决这种模棱两可的情况。对于一名患有腹型肥胖、血清水平升高的患者 甘油三酯, ,低高密度脂蛋白胆固醇(HDL-C)以及早发性冠心病家族史,载脂蛋白B(ApoB)通常能澄清表面上受控的胆固醇值是否掩盖了实质性的致动脉粥样硬化风险 颗粒物负荷. 随着肥胖、胰岛素抵抗和代谢功能障碍越来越普遍,颗粒数评估的临床价值可能会进一步增加。.
脂蛋白(a):基因中的不确定因素
在晚期脂质标志物中,Lp(a) 占据着独特而重要的地位,因为它捕捉到了一种常规临床评估往往完全无法察觉的遗传性风险特征 [8]–[11]. Lp(a)在结构上由一个与载脂蛋白(a)共价连接的LDL样颗粒组成,后者具有高度多态性 蛋白质 具有与……同源的结构 纤溶酶原. 这一架构解释了为什么脂蛋白(a)[Lp(a)]不仅仅是又一种胆固醇组分:它既具致动脉粥样硬化性又具促血栓形成性,并且携带促炎性的氧化磷脂,从而加剧血管损伤。8].
Lp(a)的临床意义因三大特征而更加凸显。首先,其水平在很大程度上由遗传因素决定,约为80–90%,且在整个生命周期内保持相对稳定 [9]. 其次,这种情况很普遍:大约每五人中就有一人——约占全球人口的20–25%——其血糖水平按现行阈值标准(高于50 mg/dL或高于125 nmol/L)属于偏高 [8第三,它很难通过生活方式改变或标准他汀类药物治疗来进行有效干预。综上所述,这些特性使脂蛋白(a)成为典型的隐匿性风险因素:一个人可能保持健康的生活方式,表现出常规血脂水平可接受,但由于遗传性脂蛋白(a)过高,仍然承担着显著升高的终生心血管疾病风险。.
Lp(a)的重要性在以下情况中尤为明显:早发性心血管疾病、有强烈的家族史、在低密度脂蛋白胆固醇(LDL-C)控制良好的情况下仍发生复发性事件,以及原因不明的钙化性 主动脉瓣 疾病。非常高的 Lp(a) 水平——特别是高于 180 mg/dL(大约高于 430 nmol/L)——与具有可比性的风险负担相关杂合子 家族性高胆固醇血症 [10]。在实践中,脂蛋白(a)显著升高的患者即使在常规 风险计算器 显得安心.
对一生只需一次的 Lp(a) 检测日益增加的重视,反映了这一临床现实。单次检测就能揭示主要的遗传易感性,并实质性地改变长期管理策略——影响 LDL 降低的积极程度、影像学检查的阈值、生活方式咨询的强度以及家系筛查的紧迫性。此外,针对性降低 Lp(a) 疗法的迅速发展,包括目前处于后期阶段的反义寡核苷酸和小干扰 RNA 药物 临床试验, ,使得识别受影响的患者变得更加重要 [11随着这些治疗方法的进展,Lp(a) 很可能会从一个主要用于强化风险意识的标志物,转变为直接指导特定疾病药物治疗的标志物。.
小而密低密度脂蛋白和氧化低密度脂蛋白
尽管ApoB和Lp(a)已经更接近主流临床实践,但小而密低密度脂蛋白(sdLDL)和 氧化低密度脂蛋白 (氧化低密度脂蛋白)仍然是更专业化的指标,尽管如此,它们在生物学上具有信息量,在概念上也十分重要 [12]。sdLDL 颗粒具有较低的受体亲和力、更长的血浆停留时间、更强的内皮穿透性以及对氧化修饰的高度易感性——这些特性使其成为以下过程的极高效参与者: 动脉粥样硬化发生. 它们的小直径使其更容易穿过内皮屏障,且它们减小的 低密度脂蛋白受体 亲和力使它们在循环中停留更长时间,从而增加了进入并滞留于动脉壁的累积概率。.
氧化型低密度脂蛋白甚至更直接地具有致病性5], [12]。一旦 LDL 在内皮下空间发生氧化修饰,就会轻易被巨噬细胞清道夫受体(特别是 LOX-1 和 CD36)内化,从而驱动泡沫细胞形成和炎症激活。氧化的脂质还有助于 内皮功能障碍, ,促炎细胞因子释放,, 基质金属蛋白酶 活性,以及斑块纤维帽变薄。它们的作用弥合了脂质负担与炎症生物学之间的差距,有助于解释为什么颗粒质量与颗粒数量同样重要。.
实际挑战在于,与ApoB或Lp(a)相比,sdLDL和oxLDL的常规测量标准化程度较低、普及度不高,且与治疗方案的关联度不够明确。对大多数临床医生而言,这些标志物不太可能成为广泛人群筛查的一线检测。它们更合理的应用场景是针对特定患者,如原因不明的残余风险患者、晚期代谢功能障碍患者或用于研究导向的评估。即便它们未能成为常规检测,也强化了一个核心概念:脂蛋白的质性特征(而不仅仅是总胆固醇或颗粒数量)至关重要。.
炎症与残余炎症风险
历史上将动脉粥样硬化主要视为脂质贮积病的倾向,已逐渐让位于对其炎症基础的更全面的认识。超敏C反应蛋白(hs-CRP)已成为这一维度的典型标志物,因为它易于测量、具有可重复性,且与心血管事件密切相关 [13升高的超敏C反应蛋白并未指明特定的血管病变,但它预示着一种全身性炎症微环境,在此环境中,斑块进展和不稳定的可能性更大。.
……的概念 残余炎症风险 对于已经实现了显著降脂的患者尤其有用。根据常规血脂参数,此类患者看似得到了最佳治疗,但由于血管炎症仍然活跃,因此仍然存在过多的心血管事件风险。hs-CRP对于他汀类药物治疗决策不确定的边缘或中危患者也很有用:达到或高于 2.0 mg/L 的水平支持了以下观点,即生物学风险明显大于仅凭基础计算器所显示的风险13].
存在局限性。超敏C反应蛋白(hs-CRP)并非血管特异性指标,肥胖、感染、自身免疫性疾病以及许多其他炎症状态均可导致其升高。然而从心血管的角度来看,这可能并非完全是一个缺点。例如,与肥胖相关的炎症是驱动动脉粥样硬化的代谢途径的一部分。从这个意义上说,hs-CRP捕捉到了斑块形成和不稳定性赖以发展的重要生物学微环境的一个重要方面。其临床价值不在于替代血脂评估,而在于揭示了疾病活动的另一个维度——当该指标与轻度血脂异常同时升高时,它可以实质性地改变预防性干预的计算方式。.
脂蛋白相关磷脂酶A2、同型半胱氨酸与代谢标志物
长期以来,Lp-PLA2 一直很有吸引力,因为它比 hs-CRP 能更具体地反映斑块水平的炎症生物学机制 [14]。Lp-PLA2 主要由动脉粥样硬化病变内的巨噬细胞和泡沫细胞产生,参与水解致粥样颗粒表面的氧化磷脂,产生促炎介质,包括溶血卵磷脂。观察性研究将升高的 Lp-PLA2 与 中风 并与冠状动脉事件相关,这表明它可能作为病变特异性血管炎症的标志物发挥作用。然而,当脂蛋白相关磷脂酶A2(Lp-PLA2)的治疗性抑制未能降低心血管事件发生率时,人们的热情受到了极大的打击。 随机对照试验 [14]。这并没有消除其实际的生物学意义,但确实降低了其作为广泛常规筛查手段的吸引力。它最合理的角色是在伴有原因不明的残余血管炎症的复杂患者中作为一种选择性标志物。.
同型半胱氨酸 占据了某种类似的地位。同型半胱氨酸升高与内皮功能障碍有关,, 氧化应激, ,并增加了动脉粥样硬化的风险,但补充B族维生素降低同型半胱氨酸的治疗史在减少临床事件方面令人失望。与Lp-PLA2一样,尽管尚未证明直接的治疗效用,但其生物学关联仍然存在。.
相比之下,空腹胰岛素和稳态模型评估胰岛素抵抗(稳态模型评估胰岛素抵抗指数) 随着心脏代谢疾病继续在预防心脏病学中占主导地位,可能会变得更加重要 [15]。胰岛素抵抗是多种致动脉粥样硬化异常的上游因素,包括高甘油三酯血症、低 HDL-C、肝脏过度产生 含载脂蛋白B的颗粒, ,以及 sdLDL 患病率的增加。它还与全身性炎症、内皮功能障碍和内脏脂肪过多密切相关。在许多患者中,代谢功能障碍是致动脉粥样硬化颗粒负荷和炎症激活交汇的共同基础——而评估胰岛素抵抗可以比空腹检测更早地揭示这一基础 葡萄糖 或单纯的显性糖尿病。.
高敏感肌钙蛋白与亚临床心肌损伤的检测
近年来最重要的概念进展之一是认识到,在症状性心血管疾病在临床上明显显现之前,就可以检测到慢性的、低水平的心肌损伤。高敏感性肌钙蛋白检测使这一点成为可能[16], [17]. 肌钙蛋白传统上与急性心肌梗死相关,但高敏感检测显示,即使是无症状个体,在慢性状态下也可能具有可测定且具有预后意义的肌钙蛋白浓度。.
这一发现将肌钙蛋白重新定位,从纯粹的急性诊断标志物转变为慢性风险标志物。低水平升高可能反映了亚临床 缺血, 微血管功能障碍, ,心肌纤维化、高血压重构、结构性心脏病或动脉粥样硬化负荷的累积影响。无论其机制如何,可测量的慢性心肌损伤的存在确定了那些心血管系统已经处于应激状态的患者——从某种意义上说,这是心肌自身的成绩单。.
将高敏肌钙蛋白与传统风险模型相结合的荟萃分析表明,添加高敏肌钙蛋白(hs-Tn)可将预测准确率提高约10–15%,尤其是与影像学评估相结合时 [16因此,高灵敏度肌钙蛋白在预防性风险评估中的价值,并不在于它能精确指出病变所在的部位,而在于它能发出潜在疾病引起的生物学后果的信号。对于一位临床风险处于中度、载脂蛋白B(ApoB)升高且有早发性冠心病家族史的患者来说,可检测到或升高的肌钙蛋白可能会加强进行影像学检查或强化预防性治疗的理由。肌钙蛋白并不能替代解剖学影像学检查,但它为风险架构增添了一个具有生物学意义的下游信号。.
NT-proBNP与临床前血流动力学应激
NT-proBNP 传统上被视为显性心力衰竭的指标,但其预防作用要广泛得多 [18NT-proBNP作为对心肌室壁应力的反应而释放,反映了血流动力学负荷和心室负荷。无症状个体中该指标升高与新发心力衰竭、心血管死亡以及更广泛的不良心血管结局风险增加相关。.
在预防心脏病学中,NT-proBNP 可以被理解为临床前心血管应激的标志物——它能够捕捉到以下因素的生理后果: 高血压, ,舒张功能障碍,亚临床缺血,心肌僵硬,肥胖相关的 心肌病, ,以及其他结构性负担。在老年人中,该模型相较于传统模型显著提升了风险预测能力,从而在无症状人群中实现了6–10%范围内的净重分类改善 [18] 在患有糖尿病或心脏代谢疾病的患者中,NT-proBNP与高敏肌钙蛋白的联合检测可以识别出进展为显性心力衰竭和心血管死亡风险特别高的患者。.
因此,NT-proBNP 将心血管风险评估的范围从单纯的动脉粥样硬化扩展开来。综合预防不仅在于防止斑块破裂,还在于预防血管和代谢疾病对心肌造成的累积性损害。当无症状患者的NT-proBNP升高时,临床医生得到的警示不仅是统计学上的风险,更是已经在进行中的生理负荷——这是一个值得密切关注并可能需要更早进行药物干预的信号。.
表 1:心脏应激生物标志物 — 预后证据摘要
| 记号笔 | 关键机制 | 预后信号 | 临床应用 |
| 氨基末端脑钠肽前体 | 心室壁牵张信号 | HR ~1.9/SD;NRI ~6–10%,适用于无症状成年人 [18] | 亚临床心力衰竭筛查;糖尿病患者的心衰风险 |
| 高敏肌钙蛋白T | 慢性心肌损伤标志物 | HR ~1.7/SD;在糖尿病患者中尤其具有预测价值 | 识别持续性心肌应激;指导影像学检查 |
| 高灵敏度肌钙蛋白I | 慢性心肌损伤标志物 | ~3–5% C统计量增益;对无症状成年人而言具有成本效益 [16] | 一级预防 筛查;联合ApoB/影像学检查 |
冠状动脉钙化积分与“零”的力量
冠状动脉钙化积分已成为预防心脏病学中最具影响力的影像学工具之一,因为它为钙化冠状动脉提供了一种简单、快速且经过高度验证的测量方法 斑块负荷 [19], [20] 在许多人群中,零 CAC 评分与非常低的中短期事件风险相关,这催生了广受引用的“零的力量”概念:在某些特定患者中,没有冠状动脉钙化可以起到安心的作用,并且在临床风险处于临界状态时,可能为推迟他汀类药物治疗提供合理依据 [20].
然而,冠状动脉钙化(CAC)的临床成功也助长了过度解读。钙化是动脉粥样硬化的一个标志,但它并不等同于全部动脉粥样硬化。它反映的是钙化斑块,通常代表疾病进程较晚或较稳定的阶段。它无法捕捉到非钙化斑块、富含脂质的早期病变或斑块易损性的许多特征。因此,在适当的语境下,零CAC评分应被解读为观察到的近期风险较低——而不是冠状动脉疾病绝对不存在的证据。24], [25].
这种细微差别在年轻人、女性以及具有高遗传或代谢风险的患者中尤为重要。此类个体尽管钙化积分(CAC)为零,但也可能藏有非钙化斑块,其长期风险可能明显大于仅凭CAC结果所暗示的程度。当其他生物学信号仍然令人担忧时,零积分应该降低担忧,但不能将其排除。相反,CAC积分高于100或高于年龄和性别同龄人群的第75百分位数,对强化治疗具有强烈的提示意义,并且已被证明能够改善药物治疗 坚持 将统计风险转化为可见的疾病负担——这是冠状动脉钙化积分(CAC)常被低估的优势之一,具有激励作用19], [20].
冠状动脉CT血管造影:从负荷到表型
如果说冠状动脉钙化积分(CAC)能告诉临床医生斑块是否存在,那么冠状动脉CT血管成像(CCTA)则能告诉他们存在什么类型的斑块、斑块位于何处、引起了多少狭窄,以及它是否带有与生物学不稳定性相关的特征21]–[23因此,CCTA代表了一项重大的概念性进展:它将冠状动脉风险评估从间接推断转变为对狭窄和斑块成分的直接解剖学表征。.
这 SCOT-HEART 试验 这项研究具有里程碑意义,因为它证明,与常规治疗相比,在常规治疗基础上加用CCTA可使心肌梗死发生率降低41%——这不仅是因为该扫描能识别出限制血流的狭窄,还因为它提高了对整个疾病谱的识别能力,从而促成了更恰当的预防性治疗应用 [21]。这是一个至关重要的点。影像学检查在预防中的价值,往往不在于即时 血运重建 比更好的诊断、更有效的风险沟通以及更早开始药物治疗。.
冠状动脉CT血管成像(CCTA)之所以特别有价值,是因为它能显示非钙化斑块。对于有胸痛症状、家族史阳性、脂蛋白(a)升高或生物标志物不一致的患者,CCTA能够发现冠状动脉钙化积分(CAC)完全漏掉的病变。它还能识别与更高风险相关的斑块特征:低衰减斑块,, 正向重塑, ,餐巾环状形态学,以及斑片状钙化22], [23]。这些 features 之所以重要,是因为急性冠状动脉事件经常发生于并非严重狭窄但在生物学上不稳定的斑块——也就是所谓的 易损斑块. CCTA允许这种区分,通过这样做,它使解剖学成像比单纯的狭窄重点评估更紧密地贴合动脉粥样硬化的生物学现实。.
高危斑块表型分析
数十年来,冠状动脉疾病的严重程度主要被概念化为管腔狭窄。这种管腔模型在临床上直观,但在生物学上并不完整:许多 急性冠状动脉综合征 源自先前不限制血流的斑块22], [23重要的不仅是斑块占据了多少血管空间,还在于斑块是否脆弱、富含脂质、有炎症,以及在结构上是否容易破裂。.
CCTA识别的高危斑块特征为这种易损性提供了一个无创的观察窗口。低衰减斑块——定义为CT密度低于30亨氏单位的斑块——表明富含脂质 坏死核心. 正向重构(定义为重构指数大于 1.10)反映了血管向外扩张,这种扩张在保持管腔直径的同时,掩盖了巨大的动脉粥样硬化负荷。点状钙化(即主要由非钙化斑块内小于 3 mm 的钙化灶组成)可能代表微结构不稳定状态。 餐巾环征 与...相关 薄帽纤维粥样硬化斑块 架构,并与急性冠脉事件风险显著增加相关22], [23].
临床结果是,通过斑块表型分析,中度冠心病的意义发生了根本性的变化。 动脉 该血管仅有轻度狭窄,但包含多个高危斑块特征,相比于一条具有更严重钙化性狭窄但斑块形态稳定的动脉,它可能代表着一个更具临床意义、需要进行积极药物预防的目标。荟萃分析证实,与斑块形态稳定的患者相比,CCTA上存在两个或更多高危斑块特征与未来发生急性冠脉综合征的风险增加3至12倍相关。在预防心脏病学中,量化总斑块负荷和易损性可能变得日益核心——从而取代以往单纯依赖源自缺血导向思维的狭窄阈值。.
表2:CCTA 高危斑块特征与临床意义
| 功能 | 定义 | CT阈值 | 临床意义 |
| 低衰减斑块 | 富脂质坏死核心 | <30 亨氏单位 | 易损斑块的最强预测因子;急性冠脉综合征(ACS)风险增加3倍以上22] |
| 餐巾环征 | 低密度中心伴高密度周边 | 定性CT特征 | 与薄纤维帽相关 纤维粥样斑块 (TCFA) 架构23] |
| 正向重塑 | 斑块处血管向外扩张 | 重塑指数 >1.10 | 掩盖斑块负荷;与不稳定性表型相关22] |
| 斑点状钙化 | 非钙化斑块内的小钙化灶 | 病灶 <3 mm | 微观结构不稳定性;与斑块破裂风险相关23] |
表 3:CAC 评分与 CCTA —— 临床比较
| 功能 | 冠状动脉钙化积分 | CCTA |
| 主测量 | 钙化的 斑块体积 (阿特斯通积分) | 狭窄,钙化斑块和非钙化斑块 |
| 临床背景 | 无症状中危筛查 | 有症状患者;高风险生物标志物/基因谱 |
| 核心优势 | 低成本,无造影剂,低辐射 | 全面斑块表型分析;排除显著狭窄 |
| 关键限制 | 漏诊非钙化‘软’斑块 | 更高成本、对比剂暴露、更大辐射 |
| 预测效力 | 对长期风险分层具有强大作用 | 对短期急性事件的预测能力强21] |
人工智能与斑块定量评估
人工智能已经开始重塑心血管影像学,使详细的斑块分析更具可扩展性、可重复性和定量性24], [25]. 人工解读依然至关重要,但基于人工智能的系统能够快速分割斑块、分类组织成分、估计斑块总体积,并识别那些原本需要大量时间和专业专长的的高危表型。.
人工智能赋能的CCTA分析最具临床启发性的贡献之一,是证明了许多CAC评分为零的个体体内仍然存在非钙化斑块。使用定量人工智能平台的研究发现,约25%至50%的CAC评分为零的患者体内存在可检测到的非钙化冠状动脉斑块——这一比例在女性和年轻成人中尤为显著 [24], [25]。这一发现并未否定冠脉钙化(CAC)评分的价值,但确实迫使其局限性需要得到更谨慎的解读,特别是当其他风险信号——如升高的脂蛋白(a) [Lp(a)]、高载脂蛋白B (ApoB) 或升高的超敏肌钙蛋白 (hs-Tn)——提示存在持续的致动脉粥样硬化活动时。.
人工智能还提供了一个将预防医学转向转变为量化疾病发展轨迹的机会。临床医生将不再只是简单地报告斑块是否存在,而是越来越能够追踪斑块负荷、成分以及随时间对治疗的反应。这种定量监测最终可能会变得和定期监测糖化血红蛋白(HbA1c)对于糖尿病管理一样,成为预防心脏病学的核心。尽管广泛实施尚未完全实现,但迈向这一未来的轨迹是清晰可见的 [24], [25].
多层集成框架
高级心血管评估的最大价值并不在于任何单一的检测,而在于多个互补测量指标的整合26]. 患者的心血管远期预后由相互作用的多重途径决定:遗传风险、颗粒负荷、炎症激活、代谢功能障碍、现有斑块、斑块表型以及心肌反应。没有任何单一的生物标志物或影像学检查能够捕捉所有这些维度。因此,分层方法更符合疾病的生物学特性。.
一个用于临床实施的实用模型以传统风险评分作为初始框架 [1]–[3]. 下一层结合了遗传易感性——特别是 Lp(a),并在适用的情况下,, 多基因风险评分 — 以识别其遗传生物学特征超出传统模型预测范围的个体8]–[11]. 第三层通过 ApoB、hs-CRP 以及特定的代谢或心脏标志物来评估生物活性 [6], [7], [13], [16]–[18]。第四层根据临床情况以及生物学评估后剩余的不确定程度,通过 CAC 或 CCTA 直接可视化疾病 [19]–[25] 这种方法并没有摒弃旧的工具,而是将它们组织在一个更全面、更具生物学基础的系统中。.
这种整合对于风险不明显而是属于不确定的大群患者而言尤其具有价值。一名传统风险处于临界状态但ApoB高、Lp(a)升高且hs-CRP升高的患者并非真正的临界状态——生物学信号勾勒出了一幅明显更令人担忧的图景。相反,一名由年龄驱动的中度风险但CAC为零、ApoB低、炎症标志物低且无遗传风险的患者,其生物学风险可能比计算器显示的要低。这就是精准预防的实用本质:利用更好的信息为个体患者而非人群做出更好的决策26].
表4:集成四层风险评估框架
| 图层 | 域 | 核心工具 | 决策影响 |
| 1 | 临床基线 | PREVENT 公式;血压、胆固醇、估算肾小球滤过率、吸烟、糖尿病 | 建立10年和30年基线风险估计值1]–[3] |
| 2 | 遗传易感性 | 脂蛋白(a) [Lp(a)] — 终身一次;多基因风险评分 (PRS) | 识别被第一层漏掉的遗传性高危表型8]–[11] |
| 3 | 生物活性 | ApoB, hs-CRP, HOMA-IR, Lp-PLA2, hs-Tn, NT-proBNP | 量化颗粒负荷、炎症反应倾向和心肌应激6],[7],[13],[16]–[18] |
| 4 | 直接疾病评估 | CAC(无症状);CCTA + AI-QCT(较高风险) | 直接可视化并表型化动脉粥样硬化负荷19]–[25] |
成本效益与可扩展性
关于先进风险评估的一个普遍担忧是,它可能会增加成本或复杂性,而没有带来成比例的收益。现有证据表明,情况更为微妙,在许多情况下也更为有利——尤其是当这些工具是战略性地而不是不加区别地部署时 [27]. 在多个人群中,基于CAC的预防措施似乎具有成本效益,因为它能优化治疗分配,减少部分患者不必要的终身治疗,并识别出那些能从早期干预中获益的患者。 针对糖尿病患者基于CAC的他汀类药物分配模型的微观模拟研究显示,其增量成本效用比远低于美国医疗保健领域公认的阈值——即每质量调整生命年$100,000 [27].
当生物标志物指导的策略能明显改变治疗方案时,这些策略似乎同样合理。 成本效益分析表明,针对无症状成年人开展的高敏肌钙蛋白筛查,可使模型预测的心血管事件减少约16%,心血管死亡减少约12%,其成本效益比与其他公认的预防干预措施相比更具优势[16].
更微妙的经济学论点是,更好的表型分析可以通过防止疾病的晚期识别来降低后续成本。被忽视的遗传风险、治疗不足的颗粒负荷、被忽略的非钙化斑块以及未被检测到的心肌压力,都会导致带来巨大临床和经济成本的事件。从这个意义上说,相关的经济学比较不是高级检测与零额外成本的对比,而是高级检测与诊断不精确所带来的累积后续成本的对比。27]. 可扩展性仍然是一个真正的挑战:ApoB和hs-CRP相对容易广泛实施。Lp(a)作为一生一次的检测应该很简单。CAC广泛可用且相对便宜。CCTA和先进的基于AI的斑块分析则需要消耗更多资源,在短期内可能仍将是靶向工具,而不是普遍的筛查手段。.
实施差距与临床实践障碍
尽管越来越多的证据表明其重要性,但多重障碍依然限制了先进心血管风险评估在常规临床实践中的应用。最顽固的障碍是以血脂为中心的传统思维的惰性:在许多情况下,低密度脂蛋白胆固醇(LDL-C)仍然是主要的治疗指标,而此时载脂蛋白B(ApoB)或脂蛋白(a) [Lp(a)] 本可以更准确地评估风险。这部分是由于培训不足,部分是由于指南滞后,部分则是历史上对 LDL-C 测量及其目标值给予报销奖励的医保支付结构所导致的产物。.
临床医生之间熟悉程度的不均衡——特别是在脂质学和预防心脏病学亚专科实践之外——构成了另一个障碍。很少接触到脂蛋白(a)[Lp(a)]结果或斑块表型分析报告的基层全科医生可能难以将这些发现整合到临床决策中。为了弥合这一差距,我们需要开展教育、提供临床决策支持工具以及更具体的指南指导。.
报销和准入限制也限制了某些检测的使用,尽管这些检测有着充分的生物学依据。高级脂蛋白检测被一些支付方归类为研究性项目,给最能从中受益的患者造成了财务障碍。尽管有指南支持,CAC(冠状动脉钙化)评分有时仍不适用于中危患者。CCTA(冠状动脉CT血管成像)在不同地理区域和执业环境中的可及性仍然不均衡。.
还有一个值得承认的概念壁垒。长期以来,预防医学一直习惯于概率风险估计,而对显性疾病则不太习惯。一旦看到斑块或将其量化,临床医生和患者就会面临一场性质截然不同的对话——这场对话从‘你将来可能会有风险’转变为‘已经有可测量的疾病或生物学应激正在发生’。对许多患者而言,这种具体性具有激励作用。而对一些临床医生来说,它挑战了既定的直觉,并需要新的框架来传达风险和治疗的基本原理。.
临床建议
从回顾的证据中可以得出几个实际结论。首先,每个成年人都应该至少检测一次Lp(a),因为它能识别出一个常见的、遗传性的且通常在临床上无声的大量终生心血管风险来源 [8]–[11鉴于 Lp(a) 水平在一生中的稳定性,对大多数人而言,检测一次就足够了,这有可能实质性地改变长期预防策略。.
其次,对于糖尿病、肥胖症、代谢综合征、高甘油三酯血症患者,或者表型与LDL-C存在临床不一致的患者,应更常规地检测ApoB。6], [7]. 在这些个体中,ApoB比LDL-C更准确地反映了致动脉粥样硬化颗粒的负荷,并应指导降脂治疗的强度。.
第三,当怀疑存在残余炎症风险,或在常规评估后他汀类药物治疗决策仍不确定时,hs-CRP非常有用。13] 它为风险决策增加了生物学背景——特别是当它在临界血脂值范围内或在明显达到血脂目标后升高时。.
第四,高敏感肌钙蛋白和NT-proBNP在具有高风险但无症状的人群中可能特别有价值,尤其是老年人以及患有糖尿病或代谢功能障碍的患者 [16]–[18这些标志物能够识别临床前的心肌应激,从而提供独立的预后信息,并可能支持更早地启动心脏保护治疗。.
第五,冠状动脉钙化积分(CAC)仍然是用于风险精确分层的有力工具,对于消除临界风险和中危患者的不确定性特别有效。然而,在存在强烈的生物学、遗传学或炎症风险信号的情况下,不能教条地将CAC评分为零解读为可以放心。19], [20], [24], [25]。它应该被理解为更大临床全貌中的一个证据。.
第六,当直接的斑块特征分析很可能改变治疗方案时,应更积极地考虑行冠状动脉CCTA检查——特别是对于有症状的患者,或具有不一致的风险标志物、脂蛋白(a)[Lp(a)]升高、有强烈的家族史,或者在生物标志物和CAC(冠状动脉钙化)评估后仍存在不确定性的无症状个体。21]–[25基于人工智能的斑块定量分析进一步提高了CCTA的临床价值,它不仅改善了可重复性,还揭示了人类肉眼评估可能低估的非钙化病变。.
更广泛的建议是概念性的:心血管预防应从以年龄和低密度脂蛋白胆固醇(LDL-C)为主的单轴模型,演变为纳入颗粒负荷、遗传风险、炎症基调、解剖学病变和心肌反应的多轴模型。这不是为了复杂而复杂——这是为了使评估与动脉粥样硬化疾病的生物学现实相一致 [26].
结论
心血管风险评估正迈入一个新时代。通过少数传统变量来估计概率的旧框架虽然依然是基础,但已不足以应对当前可实现的精准度水平。动脉粥样硬化是一种由颗粒驱动、炎症调节、受基因影响且解剖学上具有异质性的疾病,其下游效应在症状出现之前就能被检测到。因此,最具信息价值的风险评估方法是直接测量这些领域,而不是通过人口统计学替代指标来进行估计。.
ApoB 精细化了我们对致动脉粥样硬化颗粒负荷的理解。Lp(a) 揭示了常规血脂检查通常会漏掉的遗传易感性。hs-CRP 捕捉了残余风险的炎症轴。高敏肌钙蛋白和 NT-proBNP 可检测血管和代谢疾病的亚临床心肌后果。冠状动脉钙化积分 (CAC) 量化了钙化斑块负荷,而冠状动脉CT血管成像 (CCTA) 则表征了总体斑块体积和斑块表型。人工智能正在加速从定性解读向可重复、定量的疾病评估的转变。这些工具共同构建了一种预防模式,该模式对群体平均值的依赖减少,而对个体患者生物学特征的响应更强。.
实际影响是巨大的。通过在合适的时间为合适的患者识别出正确的风险,临床医生能够更早地进行干预、更恰当地加强预防、避免对隐匿的高危表型治疗不足,并在疾病负担确实较低的情况下减少过度治疗。这就是精准心脏病学核心的承诺。当前的挑战在于实施——将这种对心血管生物学更深入的理解大规模地转化为常规实践。越来越多的证据表明,这一努力的成果不仅是更好的预测,更是意义深远的更好患者预后 [26], [27].
参考文献
| 注意 | 以下文稿中使用的所有27篇参考文献均经过验证,为同行评议文献或权威指南来源。正文中的引文编号与此列表顺序对应。. |
- D’Agostino RB Sr, Vasan RS, Pencina MJ, et al. General cardiovascular risk profile for use in primary care: the Framingham Heart Study. Circulation. 2008;117(6):743-753. doi:10.1161/CIRCULATIONAHA.107.699579
- Arnett DK, Blumenthal RS, Albert MA, et al. 2019 ACC/AHA Guideline on the Primary Prevention of Cardiovascular Disease: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. Circulation. 2019;140(11):e596-e646. doi:10.1161/CIR.0000000000000678
- Faridi KF, Malik D, Essa M, et al. 10-Year and 30-Year Risks of Cardiovascular Disease in the U.S. Population. J Am Coll Cardiol. 2025;85(23):2239-2249. doi:10.1016/j.jacc.2025.03.546
- Lüscher TF, Wenzl FA, D’Ascenzo F, Friedman PA, Antoniades C. Artificial intelligence in cardiovascular medicine: clinical applications. Eur Heart J. 2024;45(40):4291-4304. doi:10.1093/eurheartj/ehae465
- Tabas I, García-Cardeña G, Owens GK. Recent insights into the cellular biology of atherosclerosis. J Cell Biol. 2015;209(1):13-22. doi:10.1083/jcb.201412052
- Sniderman AD, Thanassoulis G, Glavinovic T, et al. Apolipoprotein B Particles and Cardiovascular Disease: A Narrative Review. JAMA Cardiol. 2019;4(12):1287-1295. doi:10.1001/jamacardio.2019.3780
- Ference BA, Ginsberg HN, Graham I, et al. Low-density lipoproteins cause atherosclerotic cardiovascular disease. 1. Evidence from genetic, epidemiologic, and clinical studies. A consensus statement from the European Atherosclerosis Society Consensus Panel. Eur Heart J. 2017;38(32):2459-2472. doi:10.1093/eurheartj/ehx144
- Zheng WC, Chan W, Dart A, Shaw JA. Novel therapeutic targets and emerging treatments for atherosclerotic cardiovascular disease. Eur Heart J Cardiovasc Pharmacother. 2024;10(1):53-67. doi:10.1093/ehjcvp/pvad074
- Nordestgaard BG, Chapman MJ, Ray K, et al. Lipoprotein(a) as a cardiovascular risk factor: current status. Eur Heart J. 2010;31(23):2844-2853. doi:10.1093/eurheartj/ehq386
- Kamstrup PR, Benn M, Tybjaerg-Hansen A, Nordestgaard BG. Extreme lipoprotein(a) levels and risk of myocardial infarction in the general population: the Copenhagen City Heart Study. Circulation. 2008;117(2):176-184. doi:10.1161/CIRCULATIONAHA.107.715698
- Viney NJ, van Capelleveen JC, Geary RS, et al. Antisense oligonucleotides targeting apolipoprotein(a) in people with raised lipoprotein(a): two randomised, double-blind, placebo-controlled, dose-ranging trials. Lancet. 2016;388(10057):2239-2253. doi:10.1016/S0140-6736(16)31009-1
- Hirano T. Pathophysiology of Diabetic Dyslipidemia. J Atheroscler Thromb. 2018;25(9):771-782. doi:10.5551/jat.RV17023
- Ridker PM. Cardiology Patient Page. C-reactive protein: a simple test to help predict risk of heart attack and stroke. Circulation. 2003;108(12):e81-e85. doi:10.1161/01.CIR.0000093381.57779.67
- O’Donoghue ML, Braunwald E, White HD, et al. Effect of darapladib on major coronary events after an acute coronary syndrome: the SOLID-TIMI 52 randomized clinical trial. JAMA. 2014;312(10):1006-1015. doi:10.1001/jama.2014.11061
- Hill MA, Yang Y, Zhang L, et al. Insulin resistance, cardiovascular stiffening and cardiovascular disease. Metabolism. 2021;119:154766. doi:10.1016/j.metabol.2021.154766
- De Lemos JA, Drazner MH, Omland T, et al. Association of troponin T detected with a highly sensitive assay and cardiac structure and mortality risk in the general population. JAMA. 2010;304(22):2503-2512. doi:10.1001/jama.2010.1768
- Neumann JT, Twerenbold R, Weimann J, et al. Prognostic Value of Cardiovascular Biomarkers in the Population. JAMA. 2024;331(22):1898-1909. doi:10.1001/jama.2024.5596
- Willeit P, Ridker PM, Nestel PJ, et al. Baseline and on-statin treatment lipoprotein(a) levels for prediction of cardiovascular events: individual patient-data meta-analysis of statin outcome trials. Lancet. 2018;392(10155):1311-1320. doi:10.1016/S0140-6736(18)31652-0
- Gupta A, Bera K, Kikano E, et al. Coronary Artery Calcium Scoring: Current Status and Future Directions. Radiographics. 2022;42(4):947-967. doi:10.1148/rg.210122
- Shah NR, Coulter SA. An evidence-based guide for coronary calcium scoring in asymptomatic patients without coronary heart disease. Tex Heart Inst J. 2012;39(2):240-242.
- SCOT-HEART investigators. CT coronary angiography in patients with suspected angina due to coronary heart disease (SCOT-HEART): an open-label, parallel-group, multicentre trial. Lancet. 2015;385(9985):2383-2391. doi:10.1016/S0140-6736(15)60291-4
- Motoyama S, Kondo T, Sarai M, et al. Multislice computed tomographic characteristics of coronary lesions in acute coronary syndromes. J Am Coll Cardiol. 2007;50(4):319-326. doi:10.1016/j.jacc.2007.03.044
- Otsuka K, Fukuda S, Tanaka A, et al. Napkin-ring sign on coronary CT angiography for the prediction of acute coronary syndrome. JACC Cardiovasc Imaging. 2013;6(4):448-457. doi:10.1016/j.jcmg.2012.09.016
- Nurmohamed NS, Bom MJ, Jukema RA, et al. AI-Guided Quantitative Plaque Staging Predicts Long-Term Cardiovascular Outcomes in Patients at Risk for Atherosclerotic CVD. JACC Cardiovasc Imaging. 2024;17(3):269-280. doi:10.1016/j.jcmg.2023.05.020
- Feuchtner GM, Lacaita PG, Bax JJ, et al. AI-Quantitative CT Coronary Plaque Features Associate With a Higher Relative Risk in Women: CONFIRM2 Registry. Circ Cardiovasc Imaging. 2025;18(6):e018235. doi:10.1161/CIRCIMAGING.125.018235
- Lüscher TF, Wenzl FA, D’Ascenzo F, Friedman PA, Antoniades C. Artificial intelligence in cardiovascular medicine: clinical applications. Eur Heart J. 2024;45(40):4291-4304. doi:10.1093/eurheartj/ehae465
- Grundy SM, Stone NJ, Bailey AL, et al. 2018 AHA/ACC/AACVPR/AAPA/ABC/ACPM/ADA/AGS/APhA/ASPC/NLA/PCNA Guideline on the Management of Blood Cholesterol: A Report of the American College of Cardiology/American Heart Association Task Force on Clinical Practice Guidelines. Circulation. 2019;139(25):e1082-e1143. doi:10.1161/CIR.0000000000000625
