Nakanishi R. et al. Artificial intelligence-based coronary computed tomography angiography quantification of atherosclerosis burden: comparison with intravascular ultrasound in the INVICTUS Registry. European Radiology, 2026.
Background
La quantificazione del burden aterosclerotico coronarico è un elemento chiave nella stratificazione prognostica dei pazienti, ma nella pratica clinica la valutazione mediante CCTA (Angio-TC coronarica) è spesso limitata dalla necessità di analisi manuali, con conseguente variabilità inter-operatore e maggiore dispendio di tempo. In questo contesto, l’intelligenza artificiale si propone come uno strumento in grado di automatizzare e standardizzare l’analisi lungo l’intero albero coronarico, rendendola più riproducibile e potenzialmente più accessibile.
Materiali e Metodi
Si tratta di uno studio multicentrico basato sul registro INVICTUS, che ha incluso 85 pazienti per un totale di 108 segmenti coronarici analizzati mediante CCTA e IVUS (ecografia intravascolare) entro un intervallo massimo di tre mesi.
Le analisi sono state condotte in core lab indipendenti e in cieco. La quantificazione del burden aterosclerotico tramite CCTA è stata effettuata utilizzando un software basato su intelligenza artificiale già approvato dalla FDA, in grado di fornire automaticamente parametri quantitativi, tra cui il volume di placca, il volume del lume, il plaque burden, il percent atheroma volume (PAV) e l’indice di calcificazione.
Un aspetto metodologico rilevante dello studio è rappresentato dalla scelta di analizzare segmenti coronarici continui, comprendendo non solo le lesioni significative ma anche tratti apparentemente normali o con minimo coinvolgimento aterosclerotico, consentendo così una valutazione più completa della malattia.
Risultati
I risultati mostrano un’elevata correlazione tra le misurazioni ottenute con AI-QCT (Artificial Intelligence–based Quantitative Computed Tomography) e quelle derivate da IVUS, considerato standard di riferimento. In particolare, il volume di placca presenta una correlazione robusta (r = 0.83), così come il volume del lume (r = 0.94) e il percent atheroma volume (r = 0.77), mentre l’indice di calcificazione mostra una correlazione quasi perfetta (r = 0.96).
L’analisi di concordanza evidenzia un ottimo accordo tra le due metodiche, con una differenza media per il PAV estremamente contenuta (circa −0.09%), a supporto dell’affidabilità della quantificazione automatizzata.
È tuttavia presente una lieve tendenza della CCTA a sottostimare le dimensioni del lume e della parete vascolare rispetto all’IVUS, un dato coerente con le differenze intrinseche tra metodica non invasiva e imaging intravascolare. Nonostante ciò, l’accuratezza dell’AI-QCT si mantiene elevata anche nella caratterizzazione di placche non calcifiche e a bassa attenuazione, ambiti tradizionalmente più complessi.
Un ulteriore elemento di interesse è rappresentato dalla capacità del sistema di identificare automaticamente la minimum lumen area (MLA), con una buona concordanza spaziale rispetto all’IVUS.
Vantaggi
Tra i principali punti di forza dello studio vi è la validazione della metodica lungo l’intero spettro della malattia aterosclerotica, senza limitarsi alle sole lesioni emodinamicamente significative. Il confronto con una metodica invasiva di riferimento come l’IVUS rafforza la solidità dei risultati, mentre il disegno multicentrico contribuisce a rendere i dati più rappresentativi della pratica clinica reale. Inoltre, l’utilizzo di un software già approvato per uso clinico aumenta la trasferibilità dei risultati nella routine quotidiana.
Limiti dello studio
Tra le limitazioni principali va considerato che la lunghezza dei segmenti analizzati è stata condizionata dalla disponibilità dei dati IVUS, impedendo una valutazione estesa all’intero albero coronarico. L’eterogeneità dei protocolli di acquisizione e degli scanner utilizzati potrebbe aver introdotto variabilità tecnica. Inoltre, le differenze intrinseche tra IVUS e CCTA, soprattutto nei segmenti normali, rappresentano un potenziale fattore di bias. Non va infine trascurato il possibile coinvolgimento industriale e la mancata analisi sistematica dell’impatto delle eventuali correzioni manuali sui risultati forniti dall’intelligenza artificiale.
Conclusioni
Nel complesso, i risultati dello studio suggeriscono che la quantificazione automatizzata del burden aterosclerotico mediante AI-QCT possa rappresentare uno strumento affidabile e riproducibile per la pratica clinica. La possibilità di ridurre la variabilità inter-operatore e di ottenere rapidamente parametri quantitativi standardizzati apre scenari interessanti sia per la stratificazione del rischio sia per il monitoraggio longitudinale della malattia. Inoltre, l’automazione del processo potrebbe facilitare la diffusione di analisi avanzate anche in contesti meno specializzati.
Take-home message
La quantificazione automatizzata della CCTA basata su intelligenza artificiale dimostra un’elevata concordanza con l’IVUS nella valutazione del burden aterosclerotico coronarico, configurandosi come una tecnologia promettente per una valutazione più standardizzata, riproducibile e clinicamente applicabile della malattia coronarica. Rimane tuttavia da chiarire il valore prognostico incrementale rispetto agli score tradizionali e l’impatto sulle decisioni cliniche.
A cura della Dott.ssa Giorgia Daccordi