背景
心力衰竭是导致住院和长期残疾的主要原因，许多患者在有效干预窗口关闭前已从亚临床疾病进展至明显症状阶段。冠状动脉粥样硬化在此进程中居于核心地位，它驱动缺血、微血管功能障碍、炎症及慢性心肌重构，而这些过程无法通过狭窄严重程度等常规指标充分反映。冠状动脉成像与计算生物力学的最新进展使我们能够更精细地表征斑块形态、成分及其背后的力学与血流动力学环境。与此同时，人工智能技术可从高维影像和临床数据中提取预后特征，支持更早、更个体化的风险评估。
本研究主题汇集了人工智能、冠状动脉斑块生物力学与心力衰竭预测交叉领域的多学科工作。目标在于突出创新方法论与临床导向研究，将斑块特征和血流动力学作用力与心肌重构、功能衰退及多样化心力衰竭表型关联起来。我们欢迎涵盖影像驱动发现、融合物理模型与机器学习的混合模型、多模态风险预测及真实世界临床验证的研究投稿。尤其鼓励将临床变量（如冠状动脉CT血管造影特征、血流动力学指数及心肌结构或功能测量）与影像衍生指标整合的预测建模，以改进风险分层并实现个性化预防与治疗策略。针对模型可解释性、不确定性量化、跨影像平台及机构的鲁棒性，以及不同人群中的公平性能表现的研究将获得优先考虑。我们的目标是加速可重复研究，从回顾性关联迈向可操作的临床决策支持，用于预防、监测及治疗选择。
为推动该领域进一步发展，我们征集原创研究、方法学、数据集及专题综述，主题包括但不限于以下方向：
• 基于冠状动脉CT血管造影、血管内超声、光学相干断层扫描、血管造影及多模态影像的斑块检测、表征、分割及预后建模人工智能与深度学习应用；
• 生物力学与血流动力学建模，包括壁剪应力、斑块应力与应变、流固耦合及患者特异性仿真；
• 混合型物理信息机器学习、数字孪生、可解释AI、不确定性量化及流程基准测试；
• 新发心力衰竭与不良心脏重构的预测（包括射血分数保留或降低的心力衰竭），需包含纵向结局及外部验证；
• 整合电子健康记录、人口统计学、合并症、治疗方案及实验室结果等临床信息与冠状动脉/心脏影像特征的预测模型，涵盖融合策略及可部署的临床风险评分；
• 联合生物标志物、可穿戴设备及组学数据的多模态整合，包括联邦学习或隐私保护学习；
• 临床转化研究，涉及工作流整合、前瞻性研究设计、监管与报告考量，以及建立与治疗响应的关联。
关键词： 人工智能（AI）、冠状动脉斑块生物力学、心力衰竭预测、冠状动脉成像（CCTA）、血流动力学建模（壁剪应力）、多模态数据整合、风险分层、可解释/鲁棒机器学习
【全文结束】
