亮点
- 基于人工智能的虚拟原生增强（Virtual Native Enhancement，VNE）磁共振成像（MRI）可在无需钆对比剂的情况下准确检出心肌瘢痕。
- 在一项前瞻性、多中心、盲法研究中，VNE 在使用高质量图像时对心肌梗死检出的诊断准确率达到 94.4%。
- VNE 对瘢痕的定量测量与当前金标准晚期钆增强（Late Gadolinium Enhancement，LGE）成像高度相关。
- VNE 使临床阅片者在几乎 70% 的患者中无需给予对比剂，同时未降低诊断准确性。
研究背景
心肌梗死后形成的心肌瘢痕是决定患者预后的关键因素，影响心律失常风险、心功能障碍及后续治疗策略。采用晚期钆增强（Late Gadolinium Enhancement，LGE）的心血管磁共振（Cardiovascular Magnetic Resonance，CMR）成像，因其较高的空间分辨率和组织特征分析能力，仍是显示心肌瘢痕的金标准。然而，基于钆的对比剂存在多方面局限，包括肾毒性风险、成像流程延长、成本增加，以及对肾功能不全或过敏患者的禁忌。
人工智能（Artificial Intelligence，AI）在医学影像中的应用，促进了无对比剂瘢痕检出技术的发展。虚拟原生增强（Virtual Native Enhancement，VNE）利用 AI 算法，从原生电影序列和 T1 mapping 序列合成瘢痕增强图像，从而绕过对对比剂的需求。作为一种具有变革性的成像方式，VNE 需要在不同人群和影像中心开展严格的前瞻性验证，以确认其可靠性、可重复性和临床实用性。
研究设计
这项前瞻性多中心研究涉及两个主要心血管影像中心——英国利兹（Leeds）和中国阜外——以及位于英国牛津（Oxford）的独立 AI 开发团队。研究连续纳入因心肌瘢痕评估而接受 CMR 检查的患者，以代表真实世界临床场景。
心肌瘢痕是否存在由利兹和阜外两地基于 LGE 成像独立判定，LGE 作为既定参考标准。牛津团队仅使用来自其他中心的对比剂注射前电影序列和 T1 mapping 图像，通过专有 AI 框架生成 VNE 图像。牛津团队在不了解临床信息及 LGE 结果的情况下对 VNE 图像进行评分。此外，4 名经验丰富的临床阅片者对配对的 VNE 和 LGE 图像切片进行独立盲法评价，以比较诊断一致性。
主要终点包括 VNE 对心肌梗死检出的诊断准确性，以及瘢痕大小与 LGE 的定量相关性。次要结局评估了在不影响临床决策的前提下，VNE 降低对对比剂依赖的潜力。
主要发现
本研究分析了 136 组配对的 CMR 图像数据。对于可明确判读的 VNE 图像（n=107），心肌梗死检出准确率达到 94.4%；若纳入全部图像，则准确率为 87.5%。VNE 所测得的瘢痕负荷与 LGE 测量值高度相关（Pearson 相关系数 R=0.90），瘢痕大小的平均差异为 3.2%（95% CI：-10.4% 至 +16.8%），提示二者一致性良好，且无系统性偏倚。
此外，VNE 与 LGE 对梗死心肌区域的空间一致性为 90.0%，表明其解剖学还原度较高。当临床阅片者首先评估 VNE 图像时，约 69.7% 的病例被认为无需再行 LGE。在这些病例中，VNE 的平均诊断准确率为 93.7%，与 LGE 的 93.9% 相近，提示 VNE 具有安全分流患者并减少对比剂使用的潜力。
与对比剂使用相关的安全性数据并非主要终点，但 VNE 的无对比剂特性提示其具有内在安全优势，可避免钆暴露。
专家点评
这项研究标志着 AI 驱动的无对比剂心肌瘢痕成像在临床转化方面取得了重要进展。前瞻性、盲法、多中心的设计增强了研究结果在不同扫描设备、人口特征和临床工作流程中的有效性与可推广性。与 LGE 相比，VNE 具有较高的诊断准确性和定量一致性，提示 AI 有望重塑传统瘢痕成像模式。
临床医师应注意，尽管 VNE 前景可观，但目前它更适合作为 LGE 的补充，而非完全替代。部分图像质量较差或判读存在歧义的 VNE 图像，仍可能需要传统对比增强以作最终诊断。此外，VNE 对后续临床管理、预后及结局的影响，仍需进一步严谨研究。
未来方向包括进一步优化算法，以覆盖更广泛的组织病理改变；将自动化流程嵌入常规 CMR 序列；以及开展成本效益分析，以支持其广泛应用。
结论
基于人工智能的虚拟原生增强 MRI 为心肌瘢痕的检出和定量提供了一种可靠、准确且无需对比剂的方法。VNE 在与 LGE 保持诊断一致性的同时，可使超过三分之二的慢性心肌梗死评估避免使用钆对比剂，显示出改变临床心脏影像实践的潜力。
在更大规模验证并整合至临床工作流程后，VNE 的广泛实施有望提高患者安全性、降低成本，并简化常规心血管诊疗中的成像流程。
基金资助与临床试验注册
现有摘要未说明基金来源和试验注册信息。建议进一步查阅原始发表论文（PMID: 42455101）以获取完整信息。
参考文献
1. Zhang Q, Zhou D, Thompson P, et al. Myocardial Scar Assessment Using Artificial Intelligence-Powered Contrast-Free MRI: A Prospective Multicenter Study of Virtual Native Enhancement. J Am Coll Cardiol. 2026 Jul 7; PMID: 42455101.
2. Kim RJ et al. The Use of Contrast-Enhanced Magnetic Resonance Imaging to Identify Reperfused Myocardial Infarction. N Engl J Med. 2000;343(20):1445-1453.
3. Ferreira VM, Piechnik SK, et al. Non-contrast native T1 mapping for myocardial characterization: an update. JACC Cardiovasc Imaging. 2014;7(6): 665-681.
