为了全面提升中华民族健康素质、实现人民健康与经济社会协调发展的国家战略，2016年，中共中央、国务院发布了《“健康中国2030”规划纲要》，2019年，健康中国行动推进委员会发布《健康中国行动（2019—2030年）》。2021年第七次全国人口普查我国人口共141 178万人，在我国这种超大人口规模的国家人群中，心肌病患者数量巨大，常见心肌病的发病率如下：肥厚型心肌病（hypertrophic cardiomyopathy, HCM）的患病率为0.16%～0.29%，扩张型心肌病（dilated cardiomyopathy, DCM）的患病率约为1∶2500，致心律失常性右心室心肌病或发育不良（arrhythmogenic right ventricular cardiomyopathy/dysplasia, ARVC/D）的患病率约为1∶5000，限制型心肌病（restrictive cardiomyopathy, RCM）的患病率约为2.6%，左心室心肌致密化不全（left ventricular noncompaction, LVNC）的患病率为0.05%～3.7%^{[1, 2]}。大量的心肌病患者给个人及国家带来了沉重的经济及社会负担，因此心肌病的精准诊断对治疗及预后具有重要的意义。

1 心肌病的定义与分类演变

       自MRI应用于心肌病诊断以来，心血管磁共振（cardiovascular magnetic resonance, CMR）凭借其多参数、多角度成像模式及软组织分辨率高、无电离辐射等特点，实现了对心肌病从结构、功能、血流到组织特性“一站式”的评估^{[3, 4]}。但在临床实践中心肌病因其复杂的病因和表型导致CMR诊断困难，笔者将心肌病的定义和分类简单梳理以供临床医生根据本医院的实际情况酌情决定诊断意见。1956年，Blankerhorn和Gall首次提出心肌病概念以区别炎症性心肌疾病。1967年，Brigden将心肌病定义为不常见的非冠状动脉心肌疾病。1995年，世界卫生组织国际社会和心脏病联合会首次将心肌病分为肥厚型心肌病、扩张型心肌病、限制型心肌病、致心律失常性右心室心肌病或发育不良及未定型心肌病。进入二十一世纪，随着对心肌病分子机制及基因的深入研究，人们对心肌病的认识不断更新。2006年美国心脏学会（American Heart Association, AHA）从病因的遗传学角度将心肌病分为原发性心肌病、混合性心肌病、继发性心肌病，其独特之处在于其将离子通道病纳入原发性心肌病。随后2008年，欧洲心脏病学会（European Society of Cardiology, ESC）为了让临床医生易于诊断，保留了心肌病形态及功能分类，并进一步将其分为遗传类和非遗传类心肌病（排除冠状动脉疾病、高血压疾病、瓣膜病和先天性心脏病引起的心肌病）。2013年，Eloisa根据不同心肌病表型的六十多个致病基因建立了包括形态功能特征、器官受累、遗传或家族遗传模式、病因注释和心力衰竭功能状态的心肌病分类系统^[7]。AHA建议使用基因分类取代表型分类，但遭到ESC的反对，Eloisa的分类方法则是一个折中的方案，所以是否使用该方案还需大家谨慎对待。

2 心肌病MRI定量技术

       MR硬件及软件的快速发展使CMR对心肌病的评价实现了从定性到半定量，再到多种定量技术的飞跃。有些技术的应用价值已经被国内外专家认可，比如T1 mapping^[5]、T2 mapping、T2^* mapping、心脏磁共振特征追踪成像（cardiac magnetic resonance-feature tracking, CMR-FT）技术等，其中T2 mapping常应用于心肌炎，心肌水肿等疾病，T2^*值常应用于心肌铁沉积或心肌内出血等疾病，故文中并未详细讨论。还有一部分技术尚处在初步临床研究阶段，比如体素内不相干运动（intravoxel incoherent motion, IVIM）成像技术、扩散张量成像（diffusion tensor imaging, DTI）、血氧水平依赖MRI（blood oxygen level dependent MRI, BOLD-MRI）技术、心脏磁共振指纹成像（cardiac magnetic resonance fingerprinting, CMRF）技术、心脏磁共振波谱（cardiac magnetic resonance spectroscopy, CMRS）等。笔者将对上述定量技术在心肌病的鉴别诊断、危险分层和预后评估中的应用价值进行讨论。

2.1 T1 mapping及细胞外体积分数

       CMR T1 mapping是通过测定心肌组织的纵向弛豫时间T1值反映各种心肌病心肌组织成分的变化，而细胞外体积分数（extracellular volume, ECV）是基于T1值通过公式ECV=（1-血细胞比容）×（1/心肌强化后T1值-1/心肌强化前T1值）/（1/血池强化后T1值-1/血池强化前T1值）计算得出。Dass等^[6]研究发现扩张型心肌病和肥厚性梗阻型心肌病与弥漫性心肌纤维化的发展有关。在两组患者中，增强前Native T1不仅在发生钆对比剂延迟增强（late gadolinium enhancement, LGE）的心肌中增加，在没有LGE的心肌区域中也显示增加，表明Native T1可以检测到LGE阴性的病理性心肌组织区域。Puntmann等^[7]在扩张型心肌病患者中，发现高Native T1值与心血管事件和心力衰竭的风险增加有关。但是，在致心律失常性右室心肌病患者中，右室壁发生纤维或脂肪替代，在理论上会导致T1及ECV的典型变化，但是变薄的右室壁难以提供足够高的空间分辨率，从而限制了此类心肌定量技术的研究及应用^[8]。Li等^[9]对263例HCM患者随访（28.3±12.1）个月，发现ECV与患者主要和次要终点事件独立相关（HR=1.374，95% CI：1.203～1.570；P＜0.001）。然而T1值的测定受扫描序列、磁场强度和个体生理差异等多种因素的影响，因此有必要制订标准化的参考范围。

2.2 CMR-FT技术

       CMR心肌应变技术依靠空间分辨率高的电影成像，其应变、应变率和扭转等参数可以评价心肌3个维度（长轴、周向、径向）的整体和局部功能。Taha等^[10]使用斑点追踪超声心动图（speckle tracking echocardiography, STE）和CMR-FT测量ARVC患者与ARVC亲属的右室整体及局部纵向峰值应变，发现两者均较正常对照降低，但两种技术之间的相关性并不高（r=0.578，P＜0.001），提示这两种技术在ARVC患者的临床诊断中不能互换使用。Yang等^[11]利用CMR-FT技术研究发现HCM组的右心室和左心室整体及局部应变和应变率较正常对照组均显著降低（P＜0.001），表明该技术可以识别异常心肌。Romano等^[12]利用CMR-FT技术预测缺血性和非缺血性扩张型心肌病患者死亡事件，发现纵向应变能够独立预测缺血性（HR=1.942，P＜0.001）和非缺血性扩张型心肌病患者的死亡事件（HR=2.101，P＜0.001），提示CMR-FT技术可以早期预测扩张型心肌病的预后情况。Kowallick等^[13]发现通过左心房总应变[（22.1±5.5）% vs.（29.1±5.3）%；P＜0.01]及总应变率[（0.9±0.2）s^-1 vs.（1.1±0.2）s^-1；P＜0.05]，可以区分HCM患者及正常对照组。但目前CMR心肌应变技术的后处理过程及测量数据变异较大，有待建立统一的参考标准。

2.3 IVIM成像技术

       IVIM成像是基于传统扩散加权成像（diffusion weighted imaging, DWI），采用双指数、多b值模型计算出灌注参数f、扩散系数D、快速表观扩散系数（apparent diffusion coefficient fast, ADCfast）等参数，在无对比剂、心脏无负荷的情况下定量反映心肌微循环灌注情况。Mou等^[14]利用IVIM技术对HCM患者及健康志愿者扫描，结果发现患者组的左室心肌的ADCfast值显著低于正常对照组，但是本研究的检查成功率并不高（68.2%）。提示IVIM成像具有预测及监测心肌微循环状态的潜在能力。对于IVIM心脏成像而言，呼吸和心率是影响扫描成功和数据精确度的重要因素，如何提高检查成功率仍需不断探索和完善。

2.4 DTI

       DTI通过施加至少六个方向的扩散敏感梯度序列，测量体素内水分子扩散的各向异性，是一种可以无创性评估在体心肌细胞微观结构的新技术^[15]。通过本征系数（λ1，λ2，λ3）、特征向量[（eigenvector1, E1）、（eigenvector2, E2）和（eigenvector3, E3）]、螺旋角（helix angle, HA）、横向角（transverse angle, TA）、特征向量角[（eigenvector2 angle, E2A）、（eigenvector3 angle, E3A）]、平均扩散系数（mean diffusivity, MD）、各向异性分数（fractional anisotropy, FA）等参数反映心肌细胞的螺旋排列发生旋转和扭转的微观信息^[16]。Nguyen等^[17]使用DTI技术对HCM患者的心肌研究发现发生心肌纤维化区域的平均ADC值升高，并与ECV相关（ICC=0.83），表明DTI可能在没有对比剂的情况下检测纤维化的程度。Khalique等^[18]将扩张型心肌病患者和健康对照组心肌DTI进行比较，发现这二者之间的HA直方图差异很小，但在E2A参数中存在显著差异，表明DTI可以检测到扩张型心肌病的心肌微观结构发生紊乱。DTI实现整个左心室的覆盖需要较长的扫描时间，随着MR硬件、序列、成像算法的改进，有望明显缩短成像时间。

2.5 BOLD-MRI技术

       BOLD-MRI技术是通过检测静息态及负荷态心肌内的氧合水平信号，分析其信号变化率（Δsignal intensity, ΔSI）反映心肌血氧代谢情况^[19]。Karamitsos等^[20]将BOLD-MRI技术用于HCM患者、HCM基因携带者、运动员并将参数进行对比，研究发现不但HCM突变基因携带者的ΔSI低于正常对照者和运动员[（10.4±2.0）% vs.（18.9±1.4）% vs.（18.7±2.0）%；P＜0.05]，提示HCM突变基因携带者心肌氧代谢出现异常，而且HCM患者的ΔSI较HCM携带者更低[（10.4±2.0）% vs.（6.9±1.4）%]。Dass等^[21]研究显示DCM患者较正常对照组的ΔSI存在显著差异[（17±3）% vs.（20±2）%；P＜0.05]，提示缺氧可能是DCM病理生理过程的关键因素。此成像技术使用的血管扩张药物会导致受检者出现头痛、眩晕、胸痛甚至恶性心律失常、心源性猝死等症状，因此基于过度通气和屏气时的BOLD-MRI技术可以避免使用血管扩张药物。

2.6 CMRF成像技术

       CMRF成像通过特殊时阈变化特征和（或）射频强度的脉冲序列，获得多种敏感特征信号和时域信号时间演化曲线以绘制不同组织的指纹信息：T1、T2和M0参数^[22]。Cavallo等^[23]将CMRF技术用于DCM患者及正常对照组，表明通过CMRF序列和传统改良Look-Locker反转恢复（modified Look-Locker inversion recovery, MOLLI）序列获得的Native T1和ECV值均明显高于对照组，而且相比MOLLI序列，CMRF获得的Native T1值略低，而ECV值略高。有学者^[24]分析非对称性HCM患者的CMRF和MOLLI扫描数据，结果显示两种技术测量的HCM患者室间隔心肌T1值基本一致。与传统技术相比，CMRF具有可重复性高、多种组织特性定量、避免使用对比剂、相对检查时间短的优点，这些特性使得CMRF的研究及应用逐渐受到大家的重视。目前CMRF技术需要大样本前瞻性队列研究以明确其对心肌病的诊断效能及预后评估价值。

2.7 CMRS

       CMRS是一种无创的心肌代谢评估工具，利用来自细胞的内在MR信号，包括³¹P、¹H、²³Na和¹³C来反映心肌内物质代谢信息。这种通用技术可以帮助我们进一步了解各种心肌病的代谢病理生理学。目前临床多使用³¹P磁共振波谱（magnetic resonance spectroscopy, MRS）成像来评估心肌的能量代谢情况。Stoll等^[25]对25例DCM患者进行了3 T和7 T的³¹P MRS分析，对10例正常对照进行了7 T的³¹P CMRS分析，研究显示磷酸肌酸（PCr）信噪比在7 T时比3 T时增加2.5倍，磷酸肌酸与三磷酸腺苷（adenosine triphosphate, ATP）浓度比（PCr/ATP）相似，DCM患者在7 T时PCr/ATP显著低于正常对照者（1.54±0.39 vs.1.95±0.25，P=0.005）。Rayner等^[26]比较16例体质量正常DCM、27例肥胖DCM、26例正常对照的³¹P MRS结果，发现在正常体质量时，DCM与静息ATP释放减少有关。在肥胖DCM患者中，通过肌酸激酶（creatine kinase, CK）途径的ATP需求更大，表明能量利用效率降低。然而，由于该技术的时间和空间分辨率较低，该技术一直处于临床研究阶段。随着更高的磁场强度和新的超极化技术，CMRS在心肌病的临床应用前景也十分令人期待。限于篇幅所限，部分CMR定量技术并未全部囊括，比如心肌脂肪定量、4D-Flow、T1ρ mapping等。

3 心肌病MRI影像组学及人工智能

       MRI多序列、多参数的特点激发了人们基于MRI图像进行影像组学研究的兴趣；云计算和计算生物学的发展使得人工智能（artificial intelligence, AI）可以处理海量数据^[27]。影像组学、AI与CMR图像的医工交叉成为近年来不断创新的新领域，为心肌病患者的诊断及预后评估提供了新的技术手段。

3.1 影像组学

       影像组学的概念在2012年由荷兰学者Lambin首次提出，即从医学图像中提取的高通量特征中，提取人眼无法识别的多维影像特征数据，如形状特征（shape features）、一阶统计学特征（first order statistics features）、纹理特征（texture-based features）、高阶特征（high-order features）等，并进一步使用逻辑回归、递归特征消除法、聚类分析和主成分分析等筛选方法剥离出真正起作用的关键信息，最后使用支持向量机、随机森林等方法建模用于疾病的辅助诊断、预后评估^[28]。影像组学常用的CMR序列包括非对比增强的电影MRI（cine magnetic resonance imaging, cine-MRI）、Native T1、T1加权成像（T1 wighted imaging, T1WI）、T2加权成像（T2 wighted imaging, T2WI）、增强后T1 mapping、ECV、LGE及多序列组合^{[29, 30]}等。

       近十年来，众多研究表明基于CMR的影像组学在心肌病诊断及预后评估中具有潜在重要价值。Baeßler等^[31]使用纹理特征分析HCM患者及正常志愿者的非增强T1WI图像，发现使用灰度非均匀性参数GLevnonU的模型是区分HCM患者和对照组的最佳模型，其敏感度及特异度为91%、93%。其中在没有延迟强化的HCM患者中，使用GLevnonU≥46的临界值区分HCM和对照组的敏感度及特异度则达到100%、90%。提示心肌T1WI图像的纹理特征可以识别病变心肌。Wang等^[32]通过对包含68例MYH7和34例MYBPC基因亚型的HCM行患者Native T1 mapping图像组学分析，发现两组患者心肌Native T1值没有显著差异，但是结合主成分分析的支持向量机模型可以区分二者，其准确度和曲线下面积（area under the curve, AUC）为92.0%、0.968，提示影像组学可以区分相同表型不同基因亚型的心肌病患者。Cheng等^[33]对心功能不全HCM患者的LGE图像进行纹理特征分析，发现LGE的范围（HR=1.911，95% CI：1.348～2.709）和LGE的三个纹理特征[skewness（HR=0.783，95% CI：0.691～0.889）、tendency（HR=0.735，95% CI：0.616～0.877）和energy（HR=1.344，95% CI：1.173～1.540）]与无事件生存期显著相关（P＜0.05）。Wang等^[34]发现HCM患者的LGE影像组学参数LBP（19）和Moment（1）可以预测心源性猝死，其风险比分别为（HR=1.028，95% CI：1.032～1.134；P＜0.001）、（HR=1.212，95% CI：1.032～1.423；P=0.02）。上述两项研究提示LGE的纹理特征对心肌病患者预后评估存在潜在价值。

3.2 AI

       AI的概念是在1956年的达特茅斯会议首次提出，即模拟、延伸和扩展人的智能的理论、方法、技术及其应用系统。CMR的多序列、多定量参数给AI的应用提供了丰富的“矿藏”。面对临床问题，AI可以使用机器学习（machine learning, ML）、深度学习（deep learning, DL）、尤其是卷积神经网络（convolutional neural network, CNN）等算法挖掘CMR大数据以辅助各种心肌病的诊断及预后评估^[35]。2017年，在心脏统计图谱和计算模型国际研讨会提出将影像组学与人工智能相结合用于心血管疾病的辅助诊断具有更加广阔的前景。

       近年来国内外学者对心肌病CMR与AI结合的研究明显增多。Satriano等^[36]基于CMR应变力数据使用机器学习的方法区分HCM、心脏淀粉样变性、安德森-法布里病、高血压性心肌病，经过训练后的神经网络在测试集中的诊断效能为AUC=0.94，提示在临床实践中可以使用ML辅助心肌病诊断。Zhou等^[37]基于CMR四腔心电影成像建立DL模型用于分类HCM基因型，发现DL模型和多伦多评分（Toronto Score）的组合有较高的预测性能（AUC=0.84，敏感度83.33%，特异度78.26%）。表明DL具有区分不同基因亚型的HCM患者的能力。Mancio等^[38]基于HCM患者非对比剂电影成像的影像组学参数开发了一种机器学习模型（XGBoost）以预测心肌是否存在纤维化改变，在独立队列测试集中的诊断效能为AUC=0.83，表明AI与影像组学的结合可以从非增强CMR图像中识别心肌纤维化。2021年Zhang等^[39]基于CMR电影、Native T1 mapping，利用AI开发了一种虚拟增强技术（virtual native enhancement, VNE）并用于模拟LGE，结果显示VNE在病变的分布和定量上与LGE达到高度一致，分别为高信号强度病变（r=0.77～0.79；ICC=0.77～0.87；P＜0.001）、中等信号强度病变（r=0.70～0.76；ICC=0.82～0.85；P＜0.001）；图像质量明显改善（P＜0.001）。表明AI具有使CMR检查流程更快、成本更低的潜力。

4 总结及展望

       综上所述，磁共振定量成像技术、影像组学及AI技术为心肌病的诊断、危险分层及预后评估提供了机遇与挑战，主要机遇包括：（1）提高了成像速度和质量；（2）提高了临床诊断效率；（3）图像信息深度挖掘；（4）多尺度信息融合（基因组学、蛋白质组学、生物标志物等）。目前面临的主要挑战包括：（1）MR后处理及AI软件临床通用性和可解释性不足；（2）AI应用中的伦理问题；（3）成像技术标准、算法及参考值范围缺乏统一；（4）政策监管和责任主体界定；（5）卫生经济性评价等。希望未来通过对现有研究结果的荟萃分析及综述，优化成像参数及算法，标准化后处理过程及参考值，使这些技术更精准、更智能地服务于人民群众的健康事业。