It is well established that inflammation plays a central role in the sequelae of percutaneous coronary intervention (PCI). Most of the studies to date have focused on the inflammatory reaction affecting the vessel wall after angioplasty. However, there are data to suggest that the main foci of inflammation are in fact in the myocardium beyond the vessel wall. The main aim of our study was to investigate the myocardial inflammation after elective, uncomplicated angioplasty with cardiovascular magnetic resonance (CMR) enhanced by ultrasmall superparamagnetic particles of iron oxide (USPIO) and also blood biomarkers. This is the first study to report such findings after elective angioplasty. We assessed patients undergoing elective angioplasty for stable angina with USPIO-enhanced CMR two weeks after the procedure and compared the results with those of healthy volunteers who constituted the control group. We excluded patients with previous myocardial infarction, previous PCI, or any significant inflammatory condition. All patients also underwent blood biomarker testing at baseline (pre-PCI), 4 h, and two weeks later. A total of five patients and three controls were scanned. There was a small absolute increase, although statistically insignificant, in R2∗ values in the PCI area compared with either remote myocardium from the same patient (PCI area [left anterior descending artery (LAD)] vs remote myocardium [circumflex area]: 19.3 ± 10.8 vs 9.2 ± 7.9, p = 0.1) or healthy myocardium from healthy volunteers (PCI area [LAD] vs healthy myocardium [LAD]: 19.3 ± 10.8 vs 12.2 ± 4.0, p = 0.2). PTX3 and IL-6 were the only biomarkers that changed significantly from baseline to 4 h and 2 weeks. Both biomarkers peaked at 4 h. We used USPIO-enhanced CMR for the first time to assess myocardial inflammation after elective, uncomplicated PCI. We have demonstrated a small numerical increase in inflammation, which was not statistically significant. This study opens the way for future studies to use this method as a means to target inflammation.

Background

 Right atrial pressure (RAP) corresponds to fluid status and preload and is also important in prognostication for patients with heart failure and pulmonary hypertension. RAP can be measured invasively or non-invasively, but cannot currently be estimated by cardiac MRI (CMR). This study used paired CMR and invasive right heart catheter (RHC) measurements to develop a model to predict RAP from CMR. 

Methods

 The ASPIRE registry consists of patients referred for assessment of dyspnoea to Sheffield Teaching Hospitals between 2012 and 2020. Inclusion criteria were age >18 years, signs and symptoms of heart failure and adequate CMR image quality. Patients diagnosed with pulmonary arterial hypertension were excluded. RHC and CMR were performed in the same 24 hour period. CMR was performed with a 1.5 T GE HDx scanner. Chamber dimensions, strain, ejection fraction and stroke volume were acquired from 2- and 4- chamber cine-images using operator reviewed AI contours in MASS research software (Fig 1). Associations between invasive mean RAP (mRAP) and CMR metrics were assessed with Pearson's product-moment correlation coefficient. Stepwise multiple linear regression was used to develop models to predict mRAP. These were compared with receiver-operator curve analysis and DeLong's test. 

Results

 The cohort was made up of 672 patients, divided based upon invasive mRAP ≤ 8 mmHg (44%) and mRAP > 8 mmHg (56%) (table 1). Those with higher mRAP tended to be older, more likely to be male and have a higher diastolic blood pressure but there was no difference in rates of different types of heart failure (table 1). Metrics with the strongest correlation to invasive mRAP were right atrial (RA) dimensions, strain and ejection fraction with moderate correlation to right ventricular (RV) measurements (table 2). Four multivariable models were developed. Model 1 contained RA dimensions. RA strain was added to this to create Model 2. Model 3 contained RA and RV dimensions whilst model 4 incorporated RA end systolic volume (RAESV), the single strongest CMR predictor, and adjusted it for body mass index and sex. All four models had similar predictive capability (Fig 2 Panel A). Model 1 identified RAESV as the only variable required for mRAP prediction (coefficient = 0.06, p < 0.001) and was therefore preferred for simplicity. Using a threshold of mRAP >8 mmHg ROC analysis demonstrated an area under the curve of 0.78 (95% Confidence interval 0.75 to 0.81) (Fig 2 Panel B). 

Conclusions

 mRAP can be estimated with moderate confidence from CMR RAESV. Further studies are required to validate this model externally, including larger cohorts with reduced ejection fraction, and determine its clinical significance. Alternative clinical and MRI data could be explored to further enhance the models predictive capability. Application of this technique could enhance the role of CMR in non-invasive haemodynamic assessment and a wide range of cardiovascular pathophysiology. 

Conflict of Interest

 None

Stand-alone deep learning algorithms achieved noninferior performance as individual readers and, when combined with human readers, matched double-reading accuracy in mammographic screening.