Обоснование нового подхода к поиску потенциальных рентгенологических предикторов инфаркта миокарда у пациентов моложе 50 лет

Сердечно-сосудистые заболевания (ССЗ) остаются основной причиной смертности в России. Риск смертности пациентов младше 50 лет с острым инфарктом миокарда (ОИМ) сохраняется высоким. Это обуславливает необходимость поиска дополнительных предикторов ОИМ, включая рентгенологические признаки. Предложен подход, согласно которому прогностическая модель более информативна при включении в нее низкокоррелирующих признаков.

Цель: проверка гипотезы о наличии у пациентов моложе 50 лет с ОИМ уникальных низкокоррелирующих пар признаков, определяемых по данным компьютерной томографии органов грудной клетки (КТ ОГК) до сердечно-сосудистого события, по сравнению с пациентами с ОИМ старше 50 лет.

Материал и методы. Проведено ретроспективное исследование. Включены пациенты с впервые возникшим ОИМ и наличием КТ ОГК, выполненной за 6–12 месяцев до сердечно-сосудистого события. Построены корреляционные матрицы признаков для пациентов моложе и старше 50 лет. Из совокупности пар признаков для молодых пациентов вычтены общие пары с низкой корреляцией.

Результаты. В исследование включены 59 пациентов, 12 — моложе 50 лет, 47 — старше. Группы различались по числу пациентов с многососудистым поражением, показателям наличия остеопороза и гидроторокса по данным КТ ОГК, среднему показателю размера аорты. В результате анализа было выявлено 12 уникальных пар признаков, которые могут дополнить существующие рисковые модели.

Выводы. Применение рентгенологических маркеров для улучшения прогноза ССЗ перспективно, однако требует проведения дополнительных проспективных когортных исследований с более крупной выборкой.

1. Kakorina E.P., Nikitina S.Y. Features of the structure of mortality in Russian Federation. Problems of Social Hygiene, Public Health and History of Medicine. 2019;27(5):822–826. DOI: https://doi.org/10.32687/0869-866X-2019-27-5-822-826

2. GBD 2016 DALYs and HALE Collaborators. Global, regional, and national disability-adjusted life-years (DALYs) for 333 diseases and injuries and healthy life expectancy (HALE) for 195 countries and territories, 1990–2016: a systematic analysis for the Global Burden of Disease Study 2016. Lancet. 2017;390(10100):1260–1344. DOI: 10.1016/S0140-6736(17)32130-X

3. Gupta A., Wang Y., Spertus J.A., Geda M., Lorenze N., NkondePrice C. et al. Trends in acute myocardial infarction in young patients and diff erences by sex and race, 2001 to 2010. J. Am. Coll. Cardiol. 2014;64(4):337–345. DOI: 10.1016/j.jacc.2014.04.054

4. Faresjö Å., Karlsson J-E., Segerberg H., Lebena A., Faresjö T. Cardiovascular and psychosocial risks among patients below age 50 with acute myocardial infarction. BMC Cardiovasc. Disord. 2023;23(1):121. DOI: 10.1186/s12872-023-03134-w

5. Faresjö T., Strömberg S., Jones M., Stomby A., Karlsson J-E., Östgren C.J., Faresjö Å., Theodorsson E. Elevated levels of cortisol in hair precede acute myocardial infarction. Sci. Rep. 2020;10(1):22456. DOI: https://doi.org/10.1038/s41598-020-80559-9

6. Stomby A., Strömberg S., Theodorsson E., Faresjö Å., Jones M., Faresjö T. Standard modifi able cardiovascular risk factors mediate the association between elevated hair cortisol concentrations and coronary artery disease. Front Cardiovasc. Med. 2022;8:765000. DOI: https://doi.org/10.3389/fcvm.2021.765000

7. Abuzaid A., Saad M., Addoumieh A., Ha L.D., Elbadawi A., Mahmoud A.N. et al. Coronary artery calcium score and risk of cardiovascular events without established coronary artery disease: a systemic review and meta-analysis. Coron. Artery Dis. 2021;32(4):317–328. DOI: 10.1097/MCA.0000000000000974

8. Al-Makhamreh H.K., Toubasi A.A., Al-Harasis L.M., Albustanji F.H., Al-Sayegh T.N., Al-Harasis S.M. Pericardial fat and cardiovascular diseases: A systematic review and meta-analysis. .J Evid. Based Med. 2023;16(2):178–185. DOI: doi: 10.1111/jebm.12542

9. Васильев Ю.А., Владзимирский А.В., Арзамасов К.М. и др. Компьютерное зрение в лучевой диагностике: первый этап Московского эксперимента. 2-е изд. Москва: Общество с ограниченной ответственностью «Издательские решения»; 2023:388. ISBN 978-5-0059-3043-9

10. Шарова Д.Е., Гарбук С.В., Васильев Ю.А. Системы искусственного интеллекта в клинической медицине. Первая в мире серия национальных стандартов. Стандарты и качество. 2023;1:46–51. DOI:10.35400/0038-9692-2023-1-304-22

11. Wang T.J. Assessing the role of circulating, genetic, and imaging biomarkers in cardiovascular risk prediction. Circulation. 2011;123(5):551–565. DOI: 10.1161/CIRCULATIONAHA.109.912568

12. Российское кардиологическое общество (РКО). Острый инфаркт миокарда с подъемом сегмента ST электрокардиограммы. Клинические рекомендации 2020. Российский кардиологический журнал. 2020;(11):251–310.DOI: 10.15829/29/1560-4071-2020-4103

13. Эксперимент по использованию инновационных технологий в области компьютерного зрения для анализа медицинских изображений и дальнейшего применения этих технологий в системе здравоохранения: официальный сайт. URL: https://mosmed.ai/ai/ (дата обращения: 17.12.2024)

14. Ismaiel A., Popa S.L., Dumitrascu D.L.. Acute coronary syndromes and nonalcoholic fatty liver disease: “Un Aff aire de Coeur”. Can. J. Gastroenterol. Hepatol. 2020;2020(1):8825615. DOI: 10.1155/2020/8825615

15. Brydges C.R. Eff ect size guidelines, sample size calculations, and statistical power in gerontology. Innov. Aging. 2019;3(4):igz036. DOI: 10.1093/geroni/igz036

16. Свидетельство о государственной регистрации базы данных № 2025620216 Российская Федерация. MosMedData набор клинических данных, параметров ультразвукового исследования сердца пациентов с ОКС на момент сосудистой катастрофы и размеченных данных компьютерной томографии органов грудной клетки за 3–12 месяцев до развития ОКС, тип VII: № 2024626316: заявл. 20.12.2025 : опубл. 14.01.2025 / Ю.А. Васильев, Р.В. Решетников, Ю.Ф. Шумская, и др.; заявитель Государственное бюджетное учреждение здравоохранения города Москвы «Научно-практический клинический центр диагностики и телемедицинских технологий Департамента здравоохранения города Москвы».

17. Ndumele C.E., Matsushita K., Lazo M., Bello N., Blumenthal R.S., Gerstenblith G., Nambi V., Ballantyne C.M., Solomon S.D., Selvin E., Folsom A.R., Coresh J. Obesity and subtypes of incident cardiovascular disease. .J Am. Heart Assoc. 2016;5(8):e003921. DOI: 10.1161/JAHA.116.003921

18. Kang M.Y., Hong Y.C. Inter-correlation between working hours, sleep duration, obesity, and 10-year risk for CHD. Am. J. Ind. Med. 2016;59(4):338–339. DOI: 10.1002/ajim.22525

19. Bisaccia G., Ricci F., Khanji M.Y., Sorella A., Melchiorre E., Iannetti G. et al. Cardiovascular morbidity and mortality related to non-alcoholic fatty liver disease: a systematic review and metaanalysis. Curr. Probl. Cardiol. 2023;48(6):101643. DOI: 10.1016/j.cpcardiol.2023.101643

20. Fan J-G., Saibara T., Chitturi S., Kim B.I., Sung J.J.Y., Chutaputti A., the Asia–Pacifi c Working Party for NAFLD. What are the risk factors and settings for non‐alcoholic fatty liver disease in Asia–Pacifi c? //Journal of gastroenterology and hepatology. J. Gastroenterol. Hepatol. 2007;22(6):794–800. DOI: 10.1111/j.1440-1746.2007.04952.x

21. Vernon G., Baranova A., Younossi Z.M. Systematic review: the epidemiology and natural history of non‐alcoholic fatty liver disease and non‐alcoholic steatohepatitis in adults. Aliment Pharmacol Ther. 2011;34(3):274–285. DOI: 10.1111/j.1365-2036.2011.04724.x

22. Филатова Д.А., Мершина Е.А., Синицын В.Е. Поражение сердца при COVID-19: вопросы патогенеза и диагностики. Digital Diagnostics. 2023;4(2):156–169. DOI: 10.17816/DD284706