编者按：当地时间8月25日，欧洲心脏病学会年会（ESC 2023）上，解放军总医院第二医学中心曹丰教授团队进行了题为“Risk predicting for acute coronary syndrome with conventional and unstable plaque radiomics features from serial coronary computed tomography angiography（传统影像特征联合不稳定斑块影像组学特征预测急性冠状动脉综合征风险）”的发言，研究结果显示将传统的冠状动脉CTA的高危斑块特征与不稳定斑块的影像组学特征相结合建立模型，有助于更好地预测急性冠状动脉事件。

冠心病是我国老年人患病和死亡的主要原因。具有高危特征的斑块是大多数急性心脏事件的原因。但并非所有具有高风险斑块（HRP）特征的病变，随时间的推移都导致心脏事件。准确识别不稳定斑块的特征，进行个体化治疗，最终降低斑块破裂的可能性，降低急性冠状动脉事件的发生率至关重要。近年来定量影像组学的发展，为进一步提高冠状动脉CTA的诊断和预测性能提供了新的技术手段。

该队列研究回顾性纳入国家老年疾病临床医学研究中心133例行两次以上冠脉CTA检查的老年患者（407个病变），扫描间隔≥2年。根据冠脉CTA扫描后1年内急性冠脉事件的发生情况分为两组。记录老年患者的解剖特征、高危斑块特征和急性冠状动脉事件。基于冠状动脉CTA图像队列，应用3D切片软件对目标病变进行分割，划定感兴趣的区域，并提取影像组学特征。使用LASSO回归对影像组学特征进行降维，最终筛选出不稳定的影像组学特征。结合HRP特征和选择的影像组学特征，用机器学习的方法建立急性心脏事件的预测模型。分析受试者工作特征（ROC）曲线下面积（AUC），比较模型的预测性能。

患者的平均年龄为65.8岁。将HRP特征与筛选的4个不稳定影像组学特征（2个小波特征、1个形状特征和1个灰度特征）结合，应用SVM机器学习方法建立了预测模型。与传统HRP模型相比，该模型在验证集的预测性能显著提高（AUC为0.784 vs. 0.624，P<0.001）。

综上所述，该研究将传统的冠状动脉CTA的HRP特征与不稳定斑块的影像组学特征相结合，建立了一种预测的模型，可以更好地预测急性冠状动脉事件。与传统HRP特征模型相比，该模型的预测效能显著提高。