Trong kỷ nguyên mới của chẩn đoán hình ảnh tim mạch, việc đánh giá bệnh động mạch vành qua CT (CCTA) đã tiến xa hơn việc chỉ ước tính phần trăm hẹp lòng mạch bằng mắt thường. Định lượng mảng xơ vữa (Quantitative Plaque Assessment) hiện được coi là "chìa khóa" để dự báo chính xác các biến cố tim mạch chính (MACE). Bài giảng này sẽ tập trung vào các thông số định lượng cốt lõi và sự tác động của trí tuệ nhân tạo (AI) trong việc chuẩn hóa quy trình này.
I. Tại sao cần định lượng mảng xơ vữa?
Đánh giá bằng mắt thường (Visual assessment) có độ biến thiên cao giữa các người đọc và thường tập trung vào mức độ hẹp lòng mạch. Tuy nhiên, các nghiên cứu bệnh chứng đã chứng minh rằng: • Gánh nặng xơ vữa tổng thể (Total plaque burden) là yếu tố dự báo tử vong do tim mạnh mẽ hơn so với mức độ hẹp đơn thuần. • Phần lớn các ca nhồi máu cơ tim xảy ra tại các vị trí hẹp không đáng kể (<50%) nhưng có mảng xơ vữa nguy cơ cao (HRP). Việc định lượng giúp bác sĩ chuyển từ đánh giá "nhị phân" (hẹp hay không hẹp) sang đánh giá "nguy cơ liên tục", từ đó cá thể hóa điều trị nội khoa mạnh mẽ (như statin cường độ cao).
II. Các thông số định lượng cốt lõi trên CCTA
Theo các tiêu chuẩn mới nhất, bác sĩ cần nắm vững các thông số sau:
- Diện tích lòng mạch tối thiểu (Minimal Lumen Area - MLA) • Được đo tại vị trí lòng mạch hẹp nhất. • Ý nghĩa: MLA đặc biệt quan trọng trong việc đánh giá thân chung động mạch vành trái (LM), nơi MLA < 6 mm 2 thường liên quan đến thiếu máu cục bộ có ý nghĩa lâm sàng.
- Thể tích mảng xơ vữa (Plaque Volume) và % Thể tích mảng xơ vữa (%PV) • Total Plaque Volume (TPV): Tổng thể tích của tất cả các mảng bám (vôi hóa và không vôi hóa) trong một đoạn mạch hoặc toàn bộ hệ mạch vành. • Percent Plaque Volume (%PV): Tỷ lệ giữa thể tích mảng xơ vữa so với tổng thể tích mạch máu. Đây là thông số giúp hiệu chỉnh theo kích thước mạch máu của từng bệnh nhân.
- Mảng xơ vữa đậm độ thấp (Low-Attenuation Plaque - LAP) • Đây là thông số quan trọng nhất để dự báo nhồi máu cơ tim. • Ngưỡng chẩn đoán: LAP thường được định nghĩa là vùng xơ vữa có đậm độ < 30 HU (đại diện cho lõi lipid hoặc hoại tử). • Tiên lượng: Bệnh nhân có gánh nặng LAP > 4% có nguy cơ nhồi máu cơ tim cao gấp 5 lần.
III. Vai trò của AI và phần mềm tự động
Việc định lượng thủ công rất tốn thời gian và khó tái lập. Đây là nơi Deep Learning (DL) và AI thay đổi cuộc chơi:
- Phân đoạn lòng mạch tự động (Automated Segmentation): AI có khả năng tự động xác định ranh giới nội mạc (inner lumen) và ngoại mạc (vessel boundary) trên hàng trăm lát cắt chỉ trong vài giây.
- Phân loại thành phần mảng bám: Phần mềm tự động phân tích từng pixel để phân loại mảng bám thành: vôi hóa, xơ-lipid, hoặc lõi hoại tử dựa trên đậm độ HU.
- Giảm nhiễu ảnh: Các thuật toán Tái tạo hình ảnh học sâu (Deep Learning Reconstruction - DLR) giúp giảm nhiễu và giảm ảnh giả quầng sáng (blooming artifacts) từ canxi, giúp đo đạc lòng mạch chính xác hơn.
IV. Đặc điểm mảng xơ vữa nguy cơ cao (High-Risk Plaque - HRP)
Phần mềm định lượng giúp nhận diện các đặc điểm HRP mà mắt thường dễ bỏ sót: • Tái cấu trúc tích cực (Positive Remodeling): Mạch máu phình ra tại vị trí có mảng xơ vữa để bảo tồn lòng mạch. • Dấu hiệu "vòng khăn ăn" (Napkin-ring sign): Lõi đậm độ thấp được bao quanh bởi viền đậm độ cao hơn, tương ứng với lõi hoại tử và vỏ xơ mỏng. • Vôi hóa lốm đốm (Spotty calcification): Các điểm vôi nhỏ (<3 mm) nằm trong mảng xơ vữa không vôi hóa.
V. Thách thức và Bảng kiểm (Checklist) khi thực hiện Mặc dù AI rất mạnh mẽ, bác sĩ vẫn cần kiểm soát chất lượng dữ liệu đầu vào: • [ ] Độ dày lát cắt: Phải sử dụng lát cắt mỏng (thường 0.5 - 0.6 mm) để đảm bảo độ phân giải không gian. • [ ] Nhịp tim: Nhịp tim phải ổn định (<65 bpm) để tránh nhiễu chuyển động gây sai lệch thể tích mảng bám. • [ ] Hiệu ứng Blooming: Vôi hóa nặng vẫn là thách thức lớn nhất, AI có thể đánh giá quá cao mức độ hẹp trong những trường hợp này. • [ ] Xác nhận của chuyên gia: Luôn phải kiểm tra lại các đường viền do AI vẽ tự động, đặc biệt ở các nhánh nhỏ hoặc vùng có nhiều canxi. Kết luận: Thông điệp mang về cho lâm sàng Định lượng mảng xơ vữa trên CCTA không còn là công cụ nghiên cứu thuần túy mà đang trở thành tiêu chuẩn trong thực hành lâm sàng. Việc sử dụng AI và phần mềm tự động giúp bác sĩ xác định không chỉ "mức độ hẹp" mà còn là "nguy cơ thực sự" của bệnh nhân thông qua các chỉ số như LAP volume và %PV, từ đó đưa ra chiến lược can thiệp hoặc điều trị nội khoa tối ưu.