心脏计算机断层扫描（CCTA）是排除阻塞性冠状动脉疾病（CAD）的一线检查方法。此外，在CCTA成像上还开发了多种成像生物标志物，用于评估整体CAD严重程度和动脉粥样硬化负担，包括冠状动脉钙化评分、节段受累评分、节段狭窄评分和利曼评分。心肌灌注成像可以诊断心肌缺血和微血管损伤，基于CT的血流储备分数定量可以无创评估冠状动脉狭窄对血流动力学的影响。心外膜和血管周围脂肪组织的质地和密度、低密度斑块负担、冠状动脉斑块的放射组学表型或脂肪放射组学轮廓是新出现的CT成像特征，可作为炎症和斑块不稳定性的生物标志物，从而实施风险分层策略。通过细胞外容积分数和放射组学特征进行心肌组织特征描述的能力似乎有望预测心律失常风险和心血管事件。新的成像生物标志物扩大了心脏CT的潜力，可用于对CAD受累的个体特征进行表型，并为更加个性化的医疗实践开辟了新的领域。

　　冠状动脉钙化评分。CT平扫图像显示近端LAD和CX上的冠状动脉钙化（a），随后是彩色编码的轴位图像，突出显示近端LAD、CX（b）和RCA（c）上的中度钙化。计算Agatston评分以量化冠状动脉钙化的程度（d）。

　　需要使用心电门控增强扫描，动脉期采集。评估有动脉粥样硬化斑块的冠状动脉节段总数。

　　根据冠状动脉斑块的3个加权因素进行评分：(1)定位；(2)斑块类型；(3)每个节段的狭窄程度。使用18节段冠状动脉模型：斑块的定位，考虑冠状动脉的优势；斑块的类型，钙化斑块的乘数因子为1，非钙化和混合斑块的乘数因子为1.5；狭窄程度，非梗阻性（50%）病变的乘数因子为0.615，梗阻性（≥50%）病变的乘数因子为1。总分是每个节段部分得分的总和。

　　评分依据：斑块位置（0-6分）；狭窄严重程度（1-1.4分）和冠状动脉斑块的组成（1-1.3分）。总分代表每个区段得分的总和，由这三个因素相乘得出。

　　节段受累评分（SIS）和节段狭窄评分（SSS）。曲面重建图像显示，SIS总分为5分，SSS总分为7分。RCA近端和中段均为轻度狭窄（SIS和SSS各得1分；a LAD近端为轻度狭窄（SIS和SSS各得1分）；b LAD中段为重度狭窄（SIS得1分，SSS得3分）；c CX近端为轻度狭窄（SIS和SSS各得1分）

　　需要使用心电门控增强扫描，动脉期采集。评分主要基于最严重的狭窄程度。更新后的分类包括：斑块负荷；缺血评估（整合CT-FFR或CTP）；冠状动脉支架、高危斑块特征、缺血检测结果等修饰因素；以及基于CAC、SIS和Visual 评分的斑块严重程度。可以为患者的临床管理提供实用建议。

　　需要使用心电门控增强扫描，动脉期采集。使用CT解剖三维模型，基于计算流体力学估算受冠状动脉狭窄影响的血管中的血流量。用于估计冠状动脉流量。

　　51岁男性，CAD风险较高，因反复发作非典型胸痛接受CCTA检查。LAD的曲面重建图像显示中段有中度狭窄（红色箭头）。FFR-CT分析（Deep Vessel Image）显示，狭窄后血流明显减少（FFR=0.71）（红色箭头）。

　　FRP：根据各种形态、衰减和纹理相关特征绘制冠状动脉周围空间的放射成像图。

　　左冠状动脉曲面重建（CPR）图像显示近端和中段的钙化斑块（a）。彩色编码CPR图像（b）突出显示了冠状动脉周围脂肪组织（PCAT）衰减梯度，这是衡量血管炎症的指标，表明动脉粥样硬化斑块已经稳定。

　　心电门控增强扫描。在动脉早期单个特定时间点采集的心肌碘分布。用于检测冠状动脉病变特异性缺血。

　　连续心电门控动态扫描。通过连续的容积扫描获得心肌碘分布情况。用于检测冠状动脉病变特异性缺血。

　　心电门控延迟扫描，通常在注射后5-12分钟。与远端心肌相比，心肌区域的灶性衰减增加。用于检测心肌纤维化。

　　四腔心层面的碘延迟增强CT图像（a）和心脏-MR期间在相应平面上获得的延迟钆增强（LGE）图像（b），患者为左旋支动脉区域急性心肌梗死。在这两幅图像中，梗死的心肌（白色和黑色箭头）和附着在两个心室心尖的血栓（白色箭头）都明显呈增强。

　　心电门控平扫+延迟扫描，通常在注射后5-12分钟。利用平衡期的碘分布绘制细胞外基质容积分数图。用于细胞外基质扩张的量化。

　　CT导出的细胞外容积分数（ECVCT）图，在一名43岁女性的左心室短轴位上获得，该女性有室性心动过速病史并曾植入ICD。该图显示侧壁ECV弥漫性增高（白色箭头），伴有心外膜下薄层ECV局灶性增高，与瘢痕纤维化相符。患者被诊断为慢性心肌炎。

　　轴向CT（a）和相应的彩色编码图（b）显示不同的心包（黄色）和心外膜（绿色）脂肪组织区域

　　将放射组学引入医学领域，是通过提取肉眼无法感知的多种图像特征来探索定量数据的机会。在心脏CT成像中使用放射组学分析的初步经验表明，这项技术可能有助于识别易损斑块，改善心脏风险分层，并为个性化心血管医学开辟新的领域。另一方面，对人工智能在诊断成像中的潜在应用的研究在过去十年中获得了越来越多的关注。随着商用或开源AI算法的兴起，CCTA成像数据集的后处理分析和解读工作流程正在发生巨大变化。AI工具保证了程序的优化和加速，扩大了CCTA在风险分层以及患者治疗计划和管理方面的作用。

　　未来几年，新的CT成像生物标记物的逐步验证将扩大心脏CT的作用，从简单的狭窄评估扩展到风险分层和组织病变的定性。从心脏CT成像数据集中自动提取各种定量参数将开启一个新时代，届时将提供多种易损性特征、功能参数和组织变化标志物，从而对疾病进行更深入的表型分析，并解决个性化治疗方法的问题。