This study sought to describe the impact of statins on individual coronary atherosclerotic plaques.Although statins reduce the risk of major adverse cardiovascular events, their long-term effects on coronary atherosclerosis remain unclear.We performed a prospective, multinational study consisting of a registry of consecutive patients without history of coronary artery disease who underwent serial coronary computed tomography angiography at an interscan interval of ≥2 years. Atherosclerotic plaques were quantitatively analyzed for percent diameter stenosis (%DS), percent atheroma volume (PAV), plaque composition, and presence of high-risk plaque (HRP), defined by the presence of ≥2 features of low-attenuation plaque, positive arterial remodeling, or spotty calcifications.Among 1,255 patients (60 ± 9 years of age; 57% men), 1,079 coronary artery lesions were evaluated in statin-naive patients (n = 474), and 2,496 coronary artery lesions were evaluated in statin-taking patients (n = 781). Compared with lesions in statin-naive patients, those in statin-taking patients displayed a slower rate of overall PAV progression (1.76 ± 2.40% per year vs. 2.04 ± 2.37% per year, respectively; p = 0.002) but more rapid progression of calcified PAV (1.27 ± 1.54% per year vs. 0.98 ± 1.27% per year, respectively; p < 0.001). Progression of noncalcified PAV and annual incidence of new HRP features were lower in lesions in statin-taking patients (0.49 ± 2.39% per year vs. 1.06 ± 2.42% per year and 0.9% per year vs. 1.6% per year, respectively; all p < 0.001). The rates of progression to >50% DS were not different (1.0% vs. 1.4%, respectively; p > 0.05). Statins were associated with a 21% reduction in annualized total PAV progression above the median and 35% reduction in HRP development.Statins were associated with slower progression of overall coronary atherosclerosis volume, with increased plaque calcification and reduction of high-risk plaque features. Statins did not affect the progression of percentage of stenosis severity of coronary artery lesions but induced phenotypic plaque transformation. (Progression of AtheRosclerotic PlAque DetermIned by Computed TomoGraphic Angiography Imaging [PARADIGM]; NCT02803411).

The association of atherosclerotic features with first acute coronary syndromes (ACS) has not accounted for plaque burden. The purpose of this study was to identify atherosclerotic features associated with precursors of ACS. We performed a nested case-control study within a cohort of 25,251 patients undergoing coronary computed tomographic angiography (CTA) with follow-up over 3.4 ± 2.1 years. Patients with ACS and nonevent patients with no prior coronary artery disease (CAD) were propensity matched 1:1 for risk factors and coronary CTA–evaluated obstructive (≥50%) CAD. Separate core laboratories performed blinded adjudication of ACS and culprit lesions and quantification of baseline coronary CTA for percent diameter stenosis (%DS), percent cross-sectional plaque burden (PB), plaque volumes (PVs) by composition (calcified, fibrous, fibrofatty, and necrotic core), and presence of high-risk plaques (HRPs). We identified 234 ACS and control pairs (age 62 years, 63% male). More than 65% of patients with ACS had nonobstructive CAD at baseline, and 52% had HRP. The %DS, cross-sectional PB, fibrofatty and necrotic core volume, and HRP increased the adjusted hazard ratio (HR) of ACS (1.010 per %DS, 95% confidence interval [CI]: 1.005 to 1.015; 1.008 per percent cross-sectional PB, 95% CI: 1.003 to 1.013; 1.002 per mm3 fibrofatty plaque, 95% CI: 1.000 to 1.003; 1.593 per mm3 necrotic core, 95% CI: 1.219 to 2.082; all p < 0.05). Of the 129 culprit lesion precursors identified by coronary CTA, three-fourths exhibited <50% stenosis and 31.0% exhibited HRP. Although ACS increases with %DS, most precursors of ACS cases and culprit lesions are nonobstructive. Plaque evaluation, including HRP, PB, and plaque composition, identifies high-risk patients above and beyond stenosis severity and aggregate plaque burden.

Fractional flow reserve derived from computed tomography angiography (FFRCT) is a noninvasive method for diagnosis of ischemic coronary lesions. To date, the diagnostic performance of FFRCT for lesions of intermediate stenosis severity remains unexamined.Among 407 vessels from 252 patients at 17 centers who underwent CT, FFRCT, invasive coronary angiography, and invasive FFR, we identified 150 vessels of intermediate stenosis by CT, defined as 30% to 69% stenosis. FFRCT, FFR, and CT were interpreted in blinded fashion by independent core laboratories. FFRCT and FFR ≤0.80 were considered hemodynamically significant, whereas CT stenosis ≥50% was considered obstructive. Diagnostic performance of FFRCT versus CT was assessed for accuracy, sensitivity, specificity, positive predictive values, and negative predictive values. Area under the receiver operating characteristic curve and net reclassification improvement were evaluated. For lesions of intermediate stenosis severity, accuracy, sensitivity, specificity, positive predictive value, and negative predictive value of FFRCT were 71%, 74%, 67%, 41%, and 90%, whereas accuracy, sensitivity, specificity, positive predictive value, and negative predictive value of CT stenosis were 63%, 34%, 72%, 27%, and 78%. FFRCT demonstrated superior discrimination compared with CT stenosis on per-patient (area under the receiver operating characteristic curve, 0.81 versus 0.50; P=0.0001) and per-vessel basis (area under the receiver operating characteristic curve, 0.79 versus 0.53; P<0.0001). FFRCT demonstrated significant reclassification of CT stenosis for lesion-specific ischemia (net reclassification improvement, 0.45; 95% confidence interval, 0.25-0.65; P=0.01).FFRCT possesses high diagnostic performance for diagnosis of ischemic for lesions of intermediate stenosis severity. Notably, the high sensitivity and negative predictive value suggest the ability of FFRCT to effectively rule out intermediate lesions that cause ischemia.

Evaluating left ventricular diastolic function (LVDF) is crucial in echocardiography; however, the complexity and time demands of current guidelines challenge clinical use. This study aimed to develop an artificial intelligence (AI)-based framework for automatic LVDF assessment to reduce subjectivity and improve accuracy and outcome prediction.