Vuoi collaborare con noi?
Con un impegno crescente:
- Iscriviti come Fellow
- Iscriviti alle Aree di EcoCardioChirurgia®
Vuoi collaborare con noi?
Con un impegno crescente:
Autore/Autori: Costanza Lisi
Relazioni storiche – Congresso 2025
La presentazione analizza i progressi della TC cardiaca, in particolare l’introduzione della tecnologia Photon Counting (PCCT) nel 2021. La PCCT migliora significativamente la risoluzione spaziale e di contrasto, consentendo una quantificazione più accurata del calcium score e della placca aterosclerotica, riducendo gli artefatti (blooming) sugli stent. L’imaging spettrale permette la caratterizzazione tissutale (es. calcolo del Volume Extracellulare – ECV), avvicinando la TC alla risonanza magnetica. L’Intelligenza Artificiale automatizza il calcolo del calcio e della FFRCT, incrementando l’accuratezza diagnostica nelle sindromi coronariche croniche.
| Autore | |
|---|---|
| Anno | |
| Tag | accuratezza, coronaria, diagnosi, ffr, imaging, placca, rm, stent, tc, tecnologia |
La Dott.ssa Costanza Lisi, radiologa esperta in imaging cardiovascolare presso l’Humanitas University, illustra l’impatto delle tecnologie avanzate nella diagnostica cardiaca[cite: 189, 190]. Le linee guida ESC 2024 consacrano la TC come metodica d’elezione per escludere la coronaropatia ostruttiva nei pazienti a rischio basso-moderato[cite: 195, 196]. La sfida principale rimane la risoluzione spaziale, temporale e di contrasto per visualizzare vasi piccoli e in movimento come le coronarie[cite: 198, 200].
L’introduzione della tecnologia a conteggio di fotoni (Photon Counting CT) nel 2021 ha segnato un cambio di paradigma rispetto ai detettori convenzionali[cite: 203, 208]:
La tecnologia PCD-CT migliora significativamente l’accuratezza diagnostica[cite: 217]:
L’imaging spettrale permette di identificare specifici materiali in base al loro spettro di assorbimento[cite: 246]:
L’IA interviene per ottimizzare il workload e la performance diagnostica[cite: 261, 262]:
Dr. Costanza Lisi, a cardiovascular imaging expert at Humanitas University, explores how advanced technologies are enhancing cardiac diagnostic capabilities[cite: 189, 190]. The 2024 ESC guidelines establish CT as the primary method for excluding obstructive coronary artery disease in low-to-moderate risk patients[cite: 195, 196]. The ongoing challenge remains spatial, temporal, and contrast resolution to accurately visualize small, moving coronary arteries[cite: 198, 200].
The introduction of Photon Counting CT in 2021 represents a paradigm shift from conventional CT detectors[cite: 203, 208]:
PCD-CT technology significantly improves diagnostic accuracy[cite: 217]:
Spectral imaging identifies specific materials based on their absorption spectrum[cite: 246]:
AI optimizes both workload and diagnostic performance[cite: 261, 262]:
Introduzione del moderatore (00:00:03):**
La moderatrice introduce la Dott.ssa Costanza Lisi, radiologa esperta in imaging cardiovascolare e dottoranda in Humanitas University, che parlerà di TAC spettrale, radiomica e intelligenza artificiale applicate al miglioramento diagnostico.
La Dott.ssa Lisi ringrazia e illustra l’agenda: tecnologia TAC photon counting, imaging spettrale e contributo dell’intelligenza artificiale nell’imaging cardiaco.
L’intervento tratterà tre grandi temi: la nuova TAC a conteggio di fotoni (photon counting), l’imaging spettrale in generale e il ruolo dell’intelligenza artificiale per migliorare la performance diagnostica della TAC coronarica.
Le linee guida ESC 2024 consacrano la TAC come metodica di prima scelta per escludere la coronaropatia ostruttiva nei pazienti a rischio basso-moderato e per stimare il rischio di eventi cardiovascolari. Questo risultato è frutto di quarant’anni di progressi, descrivibili come una “sfida di risoluzione”: rappresentare piccole arterie in movimento e caratterizzare l’aterosclerosi. L’introduzione della TAC photon counting nel 2021 ha dato un forte impulso a questa sfida, con prospettive future che vedono la TAC protagonista in cardiologia preventiva e nella caratterizzazione tissutale simile alla risonanza magnetica.
Le principali difficoltà sono legate all’habitus del paziente (indice di massa corporea), alla frequenza cardiaca elevata, alle calcificazioni coronariche estese e alla presenza di stent di piccolo calibro. Per superarle occorre migliorare ulteriormente risoluzione spaziale, temporale, copertura longitudinale e risoluzione di contrasto.
Il detettore convenzionale trasforma i fotoni prima in luce e poi in corrente elettrica, con setti che assorbono parte della radiazione; il segnale è la somma di tutti i fotoni, con maggior contributo di quelli ad alta energia, mentre quelli a bassa energia darebbero maggior contrasto. Il detettore photon counting, basato su tellururo di cadmio, converte direttamente il fotone in segnale elettrico. Questo permette di contare i singoli fotoni, migliorando la risoluzione spaziale e abilitando l’imaging spettrale, avvicinandosi alla caratterizzazione tissutale della risonanza magnetica.
Il calcium score è un predittore di eventi cardiovascolari superiore ai soli fattori di rischio clinici. La TAC photon counting misura volumi di calcio inferiori rispetto alla TAC convenzionale, indicando una quantificazione più accurata con un tasso di riclassificazione di circa il 5%. Inoltre, le acquisizioni spettrali virtuali (virtual non-contrast e virtual non-iodine) consentono di calcolare il calcium score dalla sola scansione con contrasto, risparmiando una acquisizione basale e quindi la dose di radiazioni al paziente. Le immagini virtual non-iodine appaiono più affidabili.
La tecnologia photon counting offre una modalità a risoluzione ultra-elevata (0,2 mm) che, rispetto ai tradizionali 0,6 mm, permette di delineare molto meglio le componenti calcifiche e il lume vascolare. Ciò si traduce in una stima inferiore della percentuale di stenosi, in particolare nelle placche calcifiche, con una riclassificazione significativa del CAD-RADS (spesso le categorie 3 e 4 scendono a 1, 2 o 3). La quantificazione del volume totale di placca con ultra-alta risoluzione risulta ridotta di circa un terzo, con ottima riproducibilità sulle placche ipodense (lipidiche o fibrolipidiche), che sono quelle a maggior rischio.
Nei pazienti con stent, il photon counting migliora nettamente la qualità dell’immagine grazie alla minore interferenza da artefatti di blooming. Misurando lo stesso paziente con entrambe le macchine, le differenze maggiori si osservano nel diametro interno dello stent (riduzione dell’artefatto dal 53% al 31%), facilitando il riconoscimento dell’eventuale iperplasia neointimale e restenosi. Un caso emblematico mostra come un sospetto di restenosi intrastent rilevato con TAC convenzionale, che aveva bloccato un intervento chirurgico, sia stato completamente rivalutato con photon counting, evidenziando uno stent pervio. Questa metodica può quindi riclassificare molti stent giudicati “non valutabili” con la TAC tradizionale.
Sfruttando lo spettro di assorbimento dei materiali, le moderne TAC (dual layer, dual source e photon counting) permettono con una singola acquisizione e una sola somministrazione di contrasto di ricostruire immagini a diversi keV. Aumentando i keV si riduce l’artefatto da blooming delle placche calcifiche, anche se si perde un po’ di contrasto, il tutto in post-processing. La tecnica delle immagini virtual non-calcium consente di sottrarre la placca calcifica e visualizzare solo il lume perfuso, superando l’inganno della sovrastima della stenosi.
Il calcolo del volume extracellulare (ECV) con TAC tradizionale richiede due scansioni (pre e post-contrasto) perfettamente co-registrate, mentre con imaging spettrale può essere ottenuto dalla singola acquisizione tardiva post-contrasto, generando una mappa di iodio. In un paziente con stenosi aortica severa pre-TAVI, la TAC spettrale mostra una stria di late enhancement a livello del setto, fedelmente riprodotta nella mappa ECV. In un caso di cardiopatia ischemica cronica con occlusione dell’IVA, le mappe ECV confermano un late enhancement transmurale già visto in risonanza. In un paziente con stenosi aortica e amiloidosi confermata, si osserva un incremento globale e severo dell’ECV su tutto il miocardio.
La TAC può combinare la caratterizzazione tissutale (ECV) con la valutazione funzionale della deformazione miocardica (strain). Nell’amiloidosi, all’aumento dell’ECV si associa una riduzione dello strain globale longitudinale (-13%), offrendo un inquadramento completo del paziente con una sola indagine, riproducibile rispetto a ecocardiogramma e risonanza.
L’intelligenza artificiale è già applicata in quattro ambiti:
– Calcolo automatico del calcium score: accurato e riproducibile, riduce il tempo di analisi da circa un minuto a sei secondi.
– Analisi completa della placca: algoritmi di segmentazione automatica quantificano il volume di placca e stimano la stenosi sopra o sotto il 50%, con buon accordo con il giudizio dell’esperto e con l’IVUS.
– Classificazione CAD-RADS: i modelli proposti, sebbene il più preciso richieda ancora un minimo intervento manuale, sono capaci di distinguere in automatico i pazienti con CAD-RADS 0 da quelli con CAD-RADS >0.
– FFR-CT: esistono algoritmi basati su fluidodinamica computazionale. Modelli completamente basati su intelligenza artificiale mostrano una buona correlazione con quelli validati e migliorano l’accuratezza diagnostica di circa il 20% rispetto alla sola valutazione qualitativa della TAC. L’IA può inoltre assistere nella scelta della fase post-contrastografica ottimale e nella creazione di maschere di segmentazione per le mappe di perfusione.
Molta strada è stata fatta, ma resta ancora ampio margine di progresso. L’introduzione delle TAC di ultima generazione, in particolare la TAC photon counting, costituisce una solida base per un ulteriore e duraturo avanzamento dell’imaging cardiovascolare.
Moderator’s Introduction (00:00:03):
The moderator introduces Dr. Costanza Lisi, a radiologist specializing in cardiovascular imaging and a PhD candidate at Humanitas University, who will discuss spectral CT, radiomics, and artificial intelligence as they apply to diagnostic improvement.
Dr. Lisi thanks the audience and outlines the agenda: photon-counting CT technology, spectral imaging in general, and the contribution of artificial intelligence in cardiac imaging.
The talk will cover three main topics: the newly introduced photon-counting CT, spectral imaging not limited to photon counting, and the role of artificial intelligence in improving the diagnostic performance of coronary CT angiography.
The 2024 ESC guidelines establish coronary CT angiography as a first-line method for ruling out obstructive coronary artery disease in low-to-moderate-risk patients and for estimating the risk of major cardiovascular events. This achievement results from forty years of progress, which can be described as a “resolution challenge”: imaging small moving arteries and characterizing atherosclerosis. The introduction of photon-counting CT in 2021 has given a strong boost to this challenge, with future perspectives seeing CT playing a key role in preventive cardiology and tissue characterization approaching that of magnetic resonance imaging.
The main difficulties relate to patient habitus (body mass index), high heart rate, extensive coronary calcifications, and the presence of small-caliber stents. To overcome these, further improvements in spatial resolution, temporal resolution, longitudinal detector coverage, and contrast resolution are needed.
Conventional detectors first convert photons into light and then into electrical current, with septa that absorb part of the radiation; the signal is the sum of all photons, with a predominant contribution from high-energy photons, while low-energy photons would provide greater contrast. Photon-counting detectors, based on cadmium telluride, convert photons directly into an electrical signal. This enables counting individual photons, improving spatial resolution and enabling spectral imaging, thus moving closer to the tissue characterization offered by magnetic resonance.
The calcium score is a stronger predictor of cardiovascular events than clinical risk factors alone. Photon-counting CT measures lower calcium volumes than conventional CT, indicating more accurate quantification with a reclassification rate of about 5%. Moreover, virtual spectral reconstructions (virtual non-contrast and virtual non-iodine) allow calcium scoring from a single contrast-enhanced scan, thereby avoiding an additional baseline acquisition and reducing radiation dose to the patient. Virtual non-iodine images appear to be more reliable.
Photon-counting CT offers an ultra-high-resolution mode (0.2 mm) that, compared to standard 0.6 mm, enables much clearer delineation of calcified components and the vessel lumen. This results in a lower estimate of percent diameter stenosis, especially in calcified plaques, with significant CAD-RADS reclassification (often categories 3 and 4 are downgraded to 1, 2, or 3). Quantification of total plaque volume with ultra-high resolution is reduced by approximately one third, with excellent reproducibility for hypodense (lipid-rich or fibro-lipidic) plaques, which carry the highest risk.
In patients with stents, photon-counting CT clearly improves image quality thanks to reduced blooming artifacts. When scanning the same patient with both machines, the largest differences are seen in the internal stent diameter (artifact reduction from 53% to 31%), facilitating the detection of neointimal hyperplasia and in-stent restenosis. An emblematic case demonstrates how a suspected in-stent restenosis detected by conventional CT, which had led to the postponement of surgery, was completely reassessed with photon-counting CT, revealing a patent stent. This technology can therefore reclassify many stents previously judged “non-evaluable” with conventional CT.
By exploiting material-specific absorption spectra, modern CT systems (dual-layer, dual-source, and photon-counting) allow reconstruction of images at different keV levels from a single acquisition and a single contrast injection. Increasing keV reduces blooming artifacts from calcified plaques, even if some contrast is lost—all in post-processing. Virtual non-calcium reconstructions can subtract the calcified plaque and display only the perfused lumen, overcoming the pitfall of overestimating stenosis severity.
Calculating extracellular volume (ECV) with conventional CT requires two perfectly co-registered scans (pre- and post-contrast); spectral imaging can derive ECV from a single late post-contrast acquisition by generating an iodine map. In a patient with severe aortic stenosis undergoing pre-TAVI planning, spectral CT reveals a mid-septal stripe of late enhancement, faithfully reproduced on the ECV polar map. In a case of chronic ischemic heart disease due to LAD occlusion, ECV maps confirm transmural late enhancement previously seen on MRI. In a patient with confirmed aortic stenosis and amyloidosis, a diffuse and severe increase in ECV is observed throughout the myocardium.
CT can combine tissue characterization (ECV) with functional evaluation of myocardial strain. In amyloidosis, the increase in ECV is accompanied by a reduction in global longitudinal strain (–13%), providing a comprehensive patient assessment with a single examination that is reproducible compared to echocardiography and MRI.
Artificial intelligence is already applied in four areas:
– Automatic calcium scoring: accurate and reproducible, it reduces analysis time from about one minute to six seconds.
– Comprehensive plaque analysis: automated segmentation algorithms quantify plaque volume and estimate stenosis above or below 50%, showing good agreement with expert readers and IVUS.
– CAD-RADS classification: proposed models, although the most accurate still requires some manual input, can automatically distinguish patients with CAD-RADS 0 from those with CAD-RADS >0.
– CT-derived fractional flow reserve (FFR-CT): algorithms based on computational fluid dynamics exist. Fully AI-based FFR-CT models show good correlation with validated approaches and improve diagnostic accuracy by about 20% over qualitative CTA assessment alone. AI can also help select the optimal post-contrast phase and create segmentation masks for perfusion maps.
A great deal of progress has been made, but ample room for advancement remains. The introduction of state-of-the-art CT systems, especially photon-counting CT, lays a solid foundation for further and lasting progress in cardiovascular imaging.
