Ключевые слова
Как цитировать
Аннотация
Данный обзор посвящен исследованию возможностей компьютерной томографии (КТ) органов грудной клетки (ОГК) как инструмента прогнозирования сердечно-сосудистой (СС) смертности у больных раком легкого (РЛ), что особенно актуально в связи с высоким уровнем кардиоваскулярной смертности в данной группе пациентов. В последние десятилетия наблюдается снижение летальности от злокачественных новообразований, однако СС-смертность у больных РЛ остается значительно выше, чем в общей популяции. Стандартные шкалы оценки СС-риска не учитывают специфических факторов, связанных с онкологическим заболеванием и его лечением. Проведенный анализ литературы по методологии PRISMA охватил 68 публикаций из 869 первоначально отобранных источников, включая оригинальные исследования, систематические обзоры и метаанализы, опубликованные до апреля 2025 г. Исследования были распределены по трем тематическим группам: низкодозный КТ-скрининг и СС-риск, периоперационная оценка осложнений и применение алгоритмов машинного обучения для автоматизированной оценки риска. Ключевыми прогностическими КТ-маркерами выявлены коронарный кальций, кальцинация клапанов и аорты, объем и плотность эпикардиального жира, а также признаки хронической обструктивной болезни легких (ХОБЛ). Интеграция данных КТ ОГК в клиническую практику представляет значительный потенциал для совершенствования профилактики и снижения кардиоваскулярной смертности среди онкологических больных. Использование алгоритмов машинного обучения для анализа КТ-изображений открывает новые перспективы в персонализации диагностики и лечения больных РЛ, имеющих высокий СС-риск.
Библиографические ссылки
Каприн А.Д., Старинский В.В., Шахзадова А.О. Злокачественные новообразования в России в 2023 году (заболеваемость и смертность). М.: МНИОИ им. П.А. Герцена — филиал ФГБУ «НМИЦ радиологии» Минздрава России; 2024: 276. [Kaprin A.D., Starinskii V.V., Shakhzadova A.O. Malignant neoplasms In Russia in 2023 (morbidity and mortality). Moscow: P.A. Herzen Moscow Oncology Research Institute — branch of National Medical Research Center of Radiology; 2024: 276 (In Rus)].
Валькова Л.Е., Грибанова Т.Г., Попов В.Н., et al. Динамика смертности от злокачественных новообразований, регистрируемых в ходе диспансеризации отдельных групп взрослого населения: популяционное исследование по данным Архангельского областного канцер-регистра. Research'n Practical Medicine Journal. 2020; 7(4): 175-189.-DOI: https://doi.org/10.17709/2409-2231-2020-7-4-14. [Valkova L.E., Gribanova T.G., Popov V.N., et al. Dynamics of mortality from malignant neoplasms registered during medical examination of certain groups of adult population: population study based on data from Arkhangelsk regional cancer registry. Research'n Practical Medicine Journal. 2020; 7(4): 175-189.-DOI: https://doi.org/10.17709/2409-2231-2020-7-4-14 (In Rus)].
Wang C., Wang Z., Yang J., et al. Lung cancer and risk of cardiovascular mortality. Front Cardiovasc Med. 2025; 11: 1491912.-DOI: https://doi.org/10.3389/fcvm.2024.1491912.
Stemmer A., Shadmi R., Bregman-Amitai O., et al. Using machine learning algorithms to review computed tomography scans and assess risk for cardiovascular disease: Retrospective analysis from the National Lung Screening Trial (NLST). PLoS One. 2020; 15(8): e0236021.-DOI: https://doi.org/10.1371/journal.pone.0236021.
ESC Cardiovasc Risk Collaboration, Hageman S.H.J., Pennells L., et al. SCORE2 risk prediction algorithms: new models to estimate 10-year risk of cardiovascular disease in Europe. Eur Heart J. 2021; 42(25): 2439-2454.-DOI: https://doi.org/10.1093/eurheartj/ehab309.
Lloyd-Jones D.M., Larson M.G., Beiser A., et al. Framingham risk score and prediction of lifetime risk for coronary heart disease. Am J Cardiol. 2004; 94(1): 20-24.-DOI: https://doi.org/10.1016/j.amjcard.2004.03.023.
Jungblut L., Blum T., Bode-Lesniewska B., et al. Advancements in lung cancer: a comprehensive perspective on diagnosis, staging, therapy and follow-up from the SAKK Working Group on Imaging in Diagnosis and Therapy Monitoring. Swiss Med Wkly. 2024; 154(12): 3843.-DOI: https://doi.org/10.57187/s.3843.
Николаев А.Е., Козлов А.В., Чернышова А.Л., et al. Случайные находки при скрининге рака легкого методом низкодозной компьютерной томографии. Туберкулез и болезни легких. 2018; 96(11): 60-67.-DOI: https://doi.org/10.21292/2075-1230-2018-96-11-60-67. [Nikolaev A.E., Kozlov A.V., Chernyshova A.L., et al. Incidental findings during lung cancer screening with low-dose computed tomography. Tuberculosis and Lung Diseases. 2018; 96(11): 60-67.-DOI: https://doi.org/10.21292/2075-1230-2018-96-11-60-67 (In Rus)].
IRA Labs. Продукты искусственного интеллекта для анализа медицинских изображений. IRA Labs: ООО «АЙРА Лабс». 2025.-URL: https://ira-labs.ru/#products (09.06.2025). [IRA Labs. Artificial Intelligence Products for Medical Image Analysis. Electronic resource. IRA Labs: LLC "IRA Labs".-URL: https://ira-labs.ru/#products (09.06.2025) (In Rus)]
Tricco A., Lillie E., Zarin W., et al. PRISMA extension for scoping reviews (PRISMA-ScR): checklist and explanation. Ann Intern Med. 2018; 169(7): 467-473.-DOI: https://doi.org/10.7326/M18-0850.
Regan E.A., Lynch D.A., Curran-Everett D., et al. Identifying smoking-related disease on lung cancer screening CT scans: increasing the value. Chronic Obstr Pulm Dis. 2019; 6(3): 233.-DOI: https://doi.org/10.15326/jcopdf.6.3.2018.0142.
Balata H., Blandin Knight S., Barber P., et al. Targeted lung cancer screening selects individuals at high risk of cardiovascular disease. Lung Cancer. 2018; 124: 148-153.-DOI: https://doi.org/10.1016/j.lungcan.2018.08.006.
Jacobs P.C., Gondrie M.J., van der Graaf Y., et al. Coronary artery calcium can predict all-cause mortality and cardiovascular events on low-dose CT screening for lung cancer. Am J Roentgenol. 2012; 198(3): 505-511.-DOI: https://doi.org/10.2214/AJR.10.5577.
Gendarme S., Zuber B., Olsson E., et al. Impact on all-cause and cardiovascular mortality rates of coronary artery calcifications detected during organized, low-dose, computed-tomography screening for lung cancer: systematic literature review and meta-analysis. Cancers. 2021; 13(7): 1553.-DOI: https://doi.org/10.3390/cancers13071553.
Kasprzyk P., Wierzbicka A., Litwin T., et al. Evaluation of conventional cardiovascular risk factors and ordinal coronary artery calcium scoring in a lung cancer screening cohort. J Cardiovasc Dev Dis. 2024; 11(1): 16.-DOI: https://doi.org/10.3390/jcdd11010016.
Watts Jr J.R., Sonavane S.K., Snell-Bergeon J., et al. Visual scoring of coronary artery calcification in lung cancer screening computed tomography: association with all-cause and cardiovascular mortality risk. Coron Artery Dis. 2015; 26(2): 157-162.-DOI: https://doi.org/10.1097/MCA.0000000000000189.
Lessmann N., van Ginneken B., de Jong P.A., et al. Automatic calcium scoring in low-dose chest CT using deep neural networks with dilated convolutions. IEEE Trans Med Imaging. 2017; 37(2): 615-625.-DOI: https://doi.org/10.1109/TMI.2017.2769839.
Tailor T.D., Choudhury K.R., Tong B.C., et al. Cardiovascular risk in the lung cancer screening population: a multicenter study evaluating the association between coronary artery calcification and preventive statin prescription. J Am Coll Radiol. 2021; 18(9): 1258-1266.-DOI: https://doi.org/10.1016/j.jacr.2021.01.015.
Puliti D., Novelli L., Taverna F., et al. Decreased cardiovascular mortality in the ITALUNG lung cancer screening trial: analysis of underlying factors. Lung Cancer. 2019; 138: 72-78.-DOI: https://doi.org/10.1016/j.lungcan.2019.10.006.
Mets O.M., Vliegenthart R., Gondrie M.J., et al. Lung cancer screening CT-based prediction of cardiovascular events. JACC Cardiovasc Imaging. 2013; 6(8): 899-907.-DOI: https://doi.org/10.1016/j.jcmg.2013.02.008.
Dirrichs T., Tietz E., Karagiannis E., et al. Extracoronary thoracic and coronary artery calcifications on chest CT for lung cancer screening: association with established cardiovascular risk factors-the "CT-Risk" trial. Acad Radiol. 2015; 22(7): 880-889.-DOI: https://doi.org/10.1016/j.acra.2015.03.005.
Christensen J.L., Tan S., Elias-Smale S.E., et al. Aortic valve calcification predicts all-cause mortality independent of coronary calcification and severe stenosis. Atherosclerosis. 2020; 307: 16-20.-DOI: https://doi.org/10.1016/j.atherosclerosis.2020.06.019.
Išgum I., de Jong P.A., Leiner T., et al. Automated aortic calcium scoring on low‐dose chest computed tomography. Med Phys. 2010; 37(2): 714-723.-DOI: https://doi.org/10.1118/1.3284211.
Langenbach I.L., Xie Y., Zhao Y., et al. Association of epicardial adipose tissue changes on serial chest CT scans with mortality: insights from the national lung screening trial. Radiology. 2025; 314(2): e240473.-DOI: https://doi.org/10.1148/radiol.240473.
Foldyna B., Zeleznik R., Eslami P., et al. Deep learning analysis of epicardial adipose tissue to predict cardiovascular risk in heavy smokers. Commun Med. 2024; 4(1): 44.-DOI: https://doi.org/10.1038/s43856-024-00475-1.
Rasmussen T., Køber L., Abdulla J., et al. Relationship between chronic obstructive pulmonary disease and subclinical coronary artery disease in long-term smokers. Eur Heart J Cardiovasc Imaging. 2013; 14(12): 1159-1166.-DOI: https://doi.org/10.1093/ehjci/jet057.
Yang X., Latich I., He W., et al. Nongated computed tomography predicts perioperative cardiovascular risk in lung cancer surgery. Ann Thorac Surg. 2022; 114(6): 2050-2057.-DOI: https://doi.org/10.1016/j.athoracsur.2022.04.023.
Atkins K.M., Nikolova A.P. Optimizing cardiovascular risk prediction from CT imaging at the radiation oncology point of care. Cardio Oncol. 2024; 6(4): 541-543.-DOI: https://doi.org/10.1016/j.jaccao.2024.07.003
Drobni Z.D., Zafar A., Asnani A., et al. Impact of immune checkpoint inhibitors on atherosclerosis progression in patients with lung cancer. J Immunother Cancer. 2023; 11(7): e007307.-DOI: https://doi.org/10.1136/jitc-2023-007307.
Villena García A.C., Fernandez-Alvira J.M., Martínez-González M.Á., et al. 18FDG PET/CT & arterial inflammation: predicting cardiovascular events in lung cancer. QJM. 2019; 112(6): 401-407.-DOI: https://doi.org/10.1093/qjmed/hcz036.
Lu Y., Tan Y., Schwartz L.H., et al. Deep learning-based long term mortality prediction in the National Lung Screening Trial. IEEE Access. 2022; 10: 34369-34378.-DOI: https://doi.org/10.1109/ACCESS.2022.3161954.
Vivekanandan D.D., Paulraj L., Sathvik C., et al. Artificial intelligence-driven advances in coronary calcium scoring: expanding preventive cardiology. Cureus. 2024; 16(11).-DOI: https://doi.org/10.7759/cureus.74681.
Lu Y., Tan Y., Schwartz L.H., et al. A hybrid CNN-RNN approach for survival analysis in a Lung Cancer Screening study. Heliyon. 2023; 9(8).-DOI: https://doi.org/10.1016/j.heliyon.2023.e18695.
Murphy A. C., Koshy A. N., Yudi M. B. Ischaemic heart disease and Cancer: Competing malignant conditions. BMC Cardiovascular Disorders. 2020; 20: 1-3.-DOI: https://doi.org/10.1186/s12872-020-01539-5.
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
© АННМО «Вопросы онкологии», Copyright (c) 2026