Radiomica van epicardiaal vetweefsel op cardiale CT voorspelt incident HF

Een nieuw geautomatiseerd AI-algoritme voor radiomische fenotypering van epicardiaal vetweefsel toont een goede discriminatie voor nieuw ontstaan HF bij volwassenen zonder eerder HF of MI die routinematig een CCTA ondergingen.

Deze samenvatting is gebaseerd op de publicatie van Oikonomou EK, Chan K, Patel P, et al. Early Prediction of Heart Failure From Routine Cardiac CT Using Radiomic Phenotyping of Epicardial Fat. J Am Coll Cardiol. 2026 Apr 1:S0735-1097(26)05652-4. [Online ahead of print]. doi: 10.1016/j.jacc.2026.02.5116.

Introductie en methoden

Achtergrond

Epicardiaal vetweefsel (epicardial adipose tissue, EAT) is een biologisch actief vetdepot dat het myocard omgeeft [1-2]. Het heeft paracriene effecten op het hart en kan daarnaast ontstekingssignalen afkomstig van het myocard waarnemen [3-4]. Als reactie op vroege ziektesignalen verandert EAT zijn textuur en samenstelling. Het is echter onduidelijk of deze veranderingen in textuur en samenstelling ongunstige cardiale remodellering kunnen weerspiegelen en vroege risicostratificatie voor HF mogelijk maken.

Doel van de studie

Het doel van de studie was om een radiomische signatuur van EAT te ontwikkelen en extern te valideren voor de voorspelling van incident HF.

Methoden

Deze grote multicentrische cohortstudie includeerde 72.751 volwassenen zonder eerder HF of MI uit het ORFAN-cohort (Oxford Risk Factors and Noninvasive Imaging), die tussen 2007 en 2022 routinematig een CCTA ondergingen in 9 centra in het Verenigd Koninkrijk. Een volledig geautomatiseerde kunstmatige-intelligentiepijplijn extraheerde 1.655 radiomische kenmerken uit EAT om een radiomisch vetprofiel voor hartfalen (FRP_HF) te ontwikkelen. Het model werd ontwikkeld bij 59.327 patiënten uit 7 centra (n=47.461 voor training en n=11.866 voor interne validatie) en extern gevalideerd bij 13.424 individuen uit 2 geografisch verschillende centra. De mediane follow-up bedroeg 5,1 jaar (Q1–Q3: 3,4–7,6) in het ontwikkelingscohort en 4,0 jaar (Q1–Q3: 3,0–6,9) in het externe validatiecohort.

Uitkomstmaten

De primaire uitkomstmaat was de incidentie van nieuw ontstaan HF, gedefinieerd als het eerste optreden van een HF-specifieke ICD-10-code ≥30 dagen na de index CCTA-scan.

Belangrijkste resultaten

• In het trainings- en interne validatiecohort ontwikkelden 1.737 (2,9%) deelnemers HF tijdens de follow-up. In het externe validatiecohort ontwikkelden 363 (2,7%) deelnemers HF tijdens de follow-up.
• Het FRP_HF-model toonde een sterke discriminatie voor nieuw ontstaan HF:
  • C-statistiek: 0,869 (95%BI: 0,850–0,889) in de interne validatieset en 0,850 (95%BI: 0,831–0,870) in de externe validatieset.
• Elke toename van 25 percentielpunten in FRP_HF was geassocieerd met een bijna viervoudig hoger risico op nieuw ontstaan HF (aangepaste HR voor de interne cohort: 3,90; 95% BI: 3,13–4,84; aangepaste HR voor de externe cohort: 3,79; 95%BI: 3,01–4,76; beide P<0,001).
• Individuen in het >90e percentiel hadden een bijna 20-voudig hoger risico op HF vergeleken met degenen in het ≤10e percentiel (aangepaste HR: 19,96; 95%BI: 7,10–56,11; P<0,001).
• Toevoeging van FRP_HF aan een basismodel (bestaande uit leeftijd, geslacht, conventionele risicofactoren en CAD-RADS) verbeterde de discriminatie en risicostratificatie significant:
  • Toename van de 5-jaars AUC met 0,071 (95%BI: 0,051–0,092) in de interne validatieset en 0,047 (95%BI: 0,029–0,065) in de externe validatieset (beide P<0,001).
  • Netto reclassificatieverbetering van 0,39 (95%BI: 0,29–0,48).

Conclusie

Geautomatiseerde radiomische fenotypering van EAT op basis van cardiale CT maakt vroege identificatie mogelijk van individuen met een hoog risico op HF. Het FRP_HF-model liet een sterke discriminatie zien voor nieuw ontstaan HF, en toevoeging van het model aan conventionele risicomodellen verbeterde de discriminatie significant. De auteurs benadrukken dat “deze bevindingen geven een nieuwe dimensie aan de interpretatie van CCTA en onderstrepen de veelbelovende rol ervan als screeningsinstrument voor vroege tekenen van hartfalen, doordat ze klinisch en prognostisch relevante fenotypische informatie aan het licht brengen die verborgen zit in het epicardiale vetdepot.”

Vind dit artikel online op J Am Coll Cardiol.

Referenties

1. Oikonomou EK, Antoniades C. The role of adi pose tissue in cardiovascular health and disease. Nat Rev Cardiol. 2019;16:83–99.
2. Iacobellis G. Epicardial adipose tissue in contemporary cardiology. Nat Rev Cardiol. 2022;19:593–606.
3. Carena MC, Badi I, Polkinghorne M, et al. Role of human epicardial adipose tissue-derived miR 92a-3p in myocardial redox state. J Am Coll Car diol. 2023;82:317–332.
4. Antonopoulos AS, Margaritis M, Verheule S, et al. Mutual regulation of epicardial adipose tis sue and myocardial redox state by PPAR-γ/adi ponectin signalling. Circ Res. 2016;118:842–855.