Plaque-level comparison of carotid CTA and high-resolution magnetic resonance vessel wall imaging for assessing MRI-defined plaque vulnerability

頸動脈周圍脂肪密度每上升 1 HU，MRI 定義的斑塊不穩定風險就直升 5%（OR 1.05）。這份 2026 年最新研究證實，常規 CTA 測量的管腔外脂肪密度與狹窄率，足以媲美耗時的高解析度磁振造影，快速揪出高風險的脆弱斑塊。

高解析 MRI 斑塊標準轉向 CTA 的 265 例分析

評估頸動脈粥狀動脈硬化時，單純依賴管腔狹窄程度已經無法滿足當前的中風風險預測需求。斑塊內部的微觀結構，特別是 LRNC（富含脂質的壞死核心，斑塊破裂的前兆） 以及 IPH（斑塊內出血，高度不穩定的極度危險特徵），才是決定病患是否會發生缺血性腦血管事件的關鍵因素。目前臨床上公認的參考標準是 HR-MR-VWI（用高解析度磁振造影看血管壁與斑塊成分），這項技術能夠精確描繪斑塊的組成與形態。然而，MRI 掃描耗時長、費用高昂、且對帶有金屬植入物或無法配合長時間閉氣靜止的急診病患極不友善。

相較之下，CTA 是急診與常規門診中最常被安排的第一線血管檢查工具。如果能從常規的 CTA 影像中，提取出足以預測 MRI 定義下「高危險不穩定斑塊」的特徵，將能大幅縮短診斷流程並優化醫療資源配置。本研究團隊正是立基於這個明確的臨床需求，企圖建立一個多維度的預測模型。他們將目光從單純的管腔幾何形狀，延伸到了血管外圍的微環境，特別是探討發炎反應如何反映在影像密度的變化上。

為了解決 CTA 在軟組織對比度上的先天劣勢，研究者引入了 PVAT（血管周圍脂肪組織密度，透過 CT 測量脂肪衰減值來反映局部發炎） 這一新興指標。當血管壁內的斑塊發生發炎反應時，發炎細胞激素會向外滲透，導致周圍脂肪細胞發生水腫、微血管增生以及脂質與水分比例的改變。這些微小的組織學變化，在 CT 影像上會直接表現為 Hounsfield Unit (HU) 的上升。透過將 PVAT 與傳統的狹窄指標結合，研究團隊試圖在不增加額外檢查成本的前提下，賦予常規 CTA 判斷斑塊穩定性的全新能力。

跨越七年的世代設計與 Table 1 基準病患輪廓

這項研究採用了嚴謹的混合型世代設計，總共納入 265 顆具備完整空間對應的頸動脈斑塊。為了確保模型的穩健性與泛化能力，受試者被明確劃分為歷史回溯世代與前瞻性時間驗證世代。歷史世代涵蓋了 2018 年至 2024 年間的病例，這群資料被進一步隨機切割：130 顆斑塊被分配至訓練集（Training set），作為建立演算法與找出關鍵變數的基礎；另外 57 顆斑塊則構成內部驗證集（Internal validation set），用以進行模型參數的初步微調與檢驗。

更具臨床說服力的是研究團隊額外收集了 2024 年至 2025 年間的近期病例，組成包含 78 顆斑塊的前瞻性時間測試集（Prospective temporal test set）。所有納入的病患都必須在短時間內同時接受 CTA 與 HR-MR-VWI 檢查。在影像前處理階段，研究人員使用了半自動化的分割軟體提取定量 CTA 特徵，並透過頸動脈分叉處等解剖標誌，將 CTA 影像與 MRI 切片進行精準的空間共對位（co-registration），確保兩種影像工具評估的是完全相同的斑塊節段。

在標記參考標準時，放射科專家依據改良版的美國心臟協會（AHA）標準來解讀 MRI 影像。凡是具備明顯壞死核心、表面破裂或斑塊內出血的病灶，皆被定義為不穩定斑塊（vulnerable plaques）。從病患的基本輪廓來看，高血壓、糖尿病與抽菸史在這些產生不穩定斑塊的病患群體中佔有顯著比例。這種跨越長達七年、涵蓋多個不同時間維度的收案方式，有效避免了單一時間切片可能帶來的選擇偏差，使得後續建立的預測模型更貼近日常繁雜的臨床真實情況。

Table 2 揭示 PVAT 密度與狹窄率的預測力

在確認了各項變數的基礎分佈後，研究團隊透過多變數羅吉斯迴歸分析（multivariate logistic regression）來篩選出真正具備獨立預測價值的指標。Table 2 清楚列出了各項特徵的勝算比與顯著性，其中有兩個變數脫穎而出，成為這套預測系統的核心支柱。第一個是 MDS（最大直徑狹窄率，血管最窄處的管腔直徑縮減百分比），其 OR 值為 1.03（p < 0.05）。這意味著局部狹窄程度每增加 1%，斑塊被 MRI 判定為不穩定的風險就會微幅但顯著地上升，這與血流動力學中高剪切力容易誘發斑塊破裂的物理機制完全吻合。

然而，整篇論文最具突破性的數據來自於管腔外的發現：PVAT 密度成為最強的獨立預測因子。Table 2 顯示 PVAT 密度的 OR 值高達 1.05（p < 0.001）。換言之，當我們在工作站上框選頸動脈周圍 3 到 5 毫米範圍內的脂肪組織時，其測量出來的 HU 值每上升 1 個單位，該斑塊隱藏有壞死核心或出血的風險就增加 5%。如果某個病患的 PVAT 密度比正常值高出 10 HU，其斑塊不穩定的機率將呈現指數級的放大。

這項數據徹底顛覆了傳統 CTA 只能看「水管內部塞多滿」的刻板印象。PVAT 密度的上升，在影像上可能表現為原本深黑色的脂肪區域出現了輕微的灰白霧化（stranding），這是血管壁巨噬細胞活躍、發炎介質引起血管外周微環境重塑的直接證據。相較於軟斑塊本身在非對比 CT 或對比後 CT 上容易受到相鄰血流高密度影響而難以準確測量 HU 值，外圍的脂肪組織因為缺乏對比劑干擾，反而成為一個更為純粹且敏感的發炎探針。

圖三預測模型在時間驗證集 0.85 的 AUC 表現

為了將上述的獨立預測因子轉化為臨床醫師可以直接操作的工具，研究團隊整合了斑塊組成特徵、幾何形狀（MDS）以及血管外微環境（PVAT），建構出一個多維度的 Nomogram（將多個危險因子轉換為視覺化計分圖表的工具）。這個模型在區分穩定與不穩定斑塊的效能上，展現了極高的鑑別度。在 Figure 3 所繪製的 ROC 曲線中，該模型於包含 130 顆斑塊的訓練集內取得了 0.86 的優異 AUC（Area Under the Curve）。

即便在從未參與模型訓練的內部驗證集（n=57）中，AUC 也穩健地維持在 0.80 的水準。最令人振奮的是，在模擬未來實際應用場景、收案時間完全不同的前瞻性時間測試集（n=78）裡，該模型的 AUC 甚至高達 0.85。這強烈暗示了 PVAT 與 MDS 這套特徵組合具備極強的時間穩定性，不會因為機器校正的微小偏移或收案年份的推移而失去預測準度。

除了單純追求高 AUC，作者還特別導入了 DCA（決策曲線分析，評估模型在不同風險閾值下的臨床淨效益） 來檢驗模型的實用性。DCA 的結果表明，在極寬廣的風險閾值範圍內，依照這個多維度模型來決定病患是否需要進一步積極介入（例如改變抗血小板藥物劑量或提前安排手術），其帶來的臨床淨效益遠超過「全數治療」或「全不治療」的盲目策略。校準曲線（Calibration curve）同樣顯示，模型預測的風險機率與 MRI 實際判定不穩定斑塊的發生率之間存在極佳的吻合度。

假陰性邊界與 CTA 在次群組分析中的先天限制

儘管多維度模型表現亮眼，作者在討論環節依然坦承了幾何與脂肪影像學面臨的極限與邊界。首先，對於嚴重鈣化的病灶，CTA 的硬化射束假影（beam hardening artifact）與鈣化膨脹效應（blooming artifact）依然是無法完全克服的物理障礙。當斑塊表面被大塊厚重的鈣化斑塊覆蓋時，不僅無法準確測量內部的軟組織成分，甚至連緊貼血管壁外側的 PVAT 測量，都可能因為局部 CT 值的異常偏移而產生偽陽性或偽陰性。

其次，次群組的觀察暗示了病灶形態學的差異會影響預測效能。例如，HR-MR-VWI 能夠輕易偵測到極微小的斑塊表面潰瘍（micro-ulcerations）或極早期的局部內膜剝離，這些在 CTA 上可能僅表現為輕微的不規則，甚至完全無法察覺。這意味著，雖然 CTA 模型對整體不穩定性有著 0.85 的高預測力，但在極早期或缺乏明顯管腔狹窄（MDS 較低）的非狹窄性高危斑塊群體中，CTA 可能會漏掉那些純粹由微小壞死核心驅動的極端案例。

另外，PVAT 測量的標準化問題也是未來推廣至多中心時必須面對的挑戰。脂肪的 HU 值對掃描參數極度敏感，包括管電壓（kVp）、對比劑注射速率以及掃描延遲時間，都可能讓測量結果產生上下幾個 HU 的波動。考慮到 PVAT 每變動 1 HU 就會影響 5% 的風險預測（OR 1.05），若沒有建立嚴格且統一的測量協議，這套模型在不同廠牌掃描儀或不同醫院之間直接套用時，其校準曲線可能會出現顯著偏移。本研究目前的資料來源仍偏向單一體系內的跨年份收集，缺乏跨國、多設備廠牌的外部驗證。

放射科日常發報告的 PVAT 測量建議與場景

綜合這篇 2026 年的重磅分析，放射科醫師在日常實務上的角色將從單純的「狹窄程度測量員」升級為「發炎風險評估者」。這套整合模型並非要完全取代 MRI，而是提供了一個極為強大的快速分流工具。在急診場景中，當病患因短暫性腦缺血發作（TIA）入院並接受常規頸部 CTA 時，如果發現頸動脈分叉處有中度狹窄（例如 50% 到 69%），我們不應僅止步於報告狹窄百分比。

具體的操作建議是：在 PACS 工作站上，除了量測 MDS 之外，請務必將窗寬與窗位調整至適合觀察脂肪的設定（例如 W: 150, L: -50）。在斑塊最厚處對應的血管外膜外側，放置一個感興趣區域（ROI）來測量脂肪的 HU 值。如果你發現患側的 PVAT 密度明顯高於對側正常血管周圍的脂肪，或是脂肪層內出現了細微的線狀高密度發炎跡象，這時候就必須在報告的 Impression 欄位中強烈提示：「斑塊具備高發炎特徵，極可能是 MRI 定義下的不穩定斑塊」。

這樣的影像標記能直接改變神經內科或心臟血管外科的決策。對於那些狹窄程度處於臨界值、原本可能只會被安排常規門診追蹤的病患，PVAT 的異常升高將成為提早啟動雙重抗血小板治療，或是優先安排頸動脈內膜切除術（CEA）的有力依據。這套基於 265 顆斑塊淬鍊出的模型，讓原本被視為背景雜訊的周圍脂肪，躍升為防堵嚴重腦中風的關鍵信號。

下次打 carotid stenosis 報告時，別只量測最窄處的 diameter；試著把 window level 調窄，看看病灶外圍的脂肪是不是變白了，那微小的密度上升，可能是比 70% 狹窄更致命的未爆彈。