Feasibility of MR-Guided PET Reconstruction in Detection of Focal Cortical Dysplasia [CLINICAL]

利用高階 MR 結構邊界反過來引導 PET 重建，能讓原本在傳統 PET 上被忽略的微小皮質發育不良病灶，對比度暴增 34%。Middlebrooks 團隊證實，結合逐筆事件動態校正與 MR 先驗解剖資訊的全新重建演算法，不僅解決了呼吸與頭部微動造成的模糊，更讓 9 例原本 MRI 陰性的難治型癲癇患者成功定位出真正的致病源。

傳統 OSEM 的物理極限與 MR 先驗資訊的降維打擊

局部皮質發育不良（FCD）是年輕難治型癲癇患者最常見的結構性病因，但其病灶往往極度微小，且與正常皮質的交界模糊不清。即使臨床端已經常規採用高解析度的 FDG-PET 來輔助診斷，受限於傳統 OSEM（一種將投影資料反覆比對的標準 PET 重建演算法） 固有的部分體積效應，灰白質邊緣的代謝訊號往往會無可避免地互相暈染。更麻煩的是，掃描過程中的不自主頭部微動，會進一步吃掉那微弱的局部代謝低落區。傳統的軟體對位融合（co-registration）只能把模糊的 PET 疊加在清晰的 MRI 上，對於提升 PET 本身的空間解析度毫無幫助。

為了解決這個長久以來的物理瓶頸，研究團隊在混合型 PET/MR 系統上導入了原型的 MRgPET（將 MR 結構邊界寫入 PET 運算的引導型重建技術）。這套流程跳脫了單純的影像疊合，直接在 PET 原始訊號的迭代重建階段，就強制寫入高解析度的 T1 與 T2 MR 結構邊界作為先驗條件（anatomical priors）。換言之，演算法被底層邏輯限制，絕對不能跨越 MR 定義的灰白質邊界去平滑化 PET 訊號，從而保留了皮質內最真實的代謝落差。除了空間邊界的限制，這套系統還結合了硬體層面的極致應用，試圖把掃描儀的潛能完全釋放。

這套原型系統同時啟動了 PSF（校正探頭幾何誤差以提升銳利度的點擴散函數模型） 以及逐筆事件動態校正（event-by-event motion correction）。後者是利用 MR 導航序列，以每秒為單位捕捉大腦的剛體位移，並在 PET 的 list-mode 原始資料中，將每一顆光子的飛行軌跡反向推回患者絕對靜止時的空間座標。這種在時間軸上切出極微小片段以消弭位移的作法，搭配 BSREM（一種能抑制雜訊並拉高影像對比的區塊序列正則化演算法），將混合型 PET/MR 的硬體優勢轉化為真正的影像學紅利，而非僅僅是節省病患排隊時間的工作流程優化。

納入 32 例難治型癲癇與雙軌重建的對照設計

從 Methods 來看，這是一項前瞻性的概念驗證與臨床探索研究，共收錄了 32 位臨床確診或高度懷疑為 FCD 的難治型癲癇患者。受試者年齡中位數為 28 歲（範圍 14-52 歲），且所有人均有完整的長期腦波圖記錄。為了凸顯技術的價值，收案條件特別偏重於困難案例：其中有 14 位患者在最初的 3T MRI 結構性影像評估中，被判定為「陰性」或「極度模稜兩可」。所有受試者均接受了配備原型演算法的最新型混合式 PET/MR 系統掃描，注射標準劑量的 FDG 後，經歷 45 分鐘的攝取期，接著進行 40 分鐘的同步掃描。

為了確保對比的嚴格度與科學有效性，掃描取得的原始 list-mode 資料被平行拆分成兩條獨立的重建路徑。對照組採用臨床目前最常規的標準 OSEM 演算法（包含飛行時間 TOF 技術與傳統硬體衰減校正）；實驗組則套用完整的 MRgPET 流程，包含高強度懲罰值的 BSREM、MR 灰白質邊界約束以及全時段動態校正。由於是利用同一套原始訊號進行回溯性重建，完美排除了不同天掃描造成的生理性代謝波動與藥物干擾。

影像判讀階段，團隊邀請了三位不知情的資深神經放射科與核醫科雙專科醫師，針對兩組 FDG-PET 影像進行盲解評分。評估的量化指標極度嚴苛，包含皮質邊緣的銳利度、深部灰白質對比度，以及最重要的：FCD 病灶的視覺顯著性（conspicuity，採用 1-5 分制）。在客觀數據方面，研究團隊精確圈選了病灶區與對側正常同源皮質，計算病灶與正常背景的代謝比值（Lesion-to-Normal Ratio, LNR）。所有的影像發現最終都與 SEEG（將電極植入腦深部以精確記錄發作起點的立體腦波圖） 訊號或手術切除後的病理報告進行比對，作為最終的 reference standard。

Table 2 與 Figure 3 證實的代謝對比度與敏感度躍升

把焦點拉到 Results，MR 結構先驗資訊的導入在量化數據上帶來了戲劇性的差異。Table 2 詳細記錄了兩種重建方式的代謝比值變化，在傳統的 OSEM 影像中，FCD 病灶的平均 LNR 為 0.82 [95% CI: 0.78-0.85]，這意味著病灶區僅比對側正常皮質低了不到 20% 的代謝，在伴隨雜訊的 PET 影像中極容易被視覺系統忽略。然而，在同一批患者的 MRgPET 重建下，病灶的平均 LNR 驟降至 0.65 [95% CI: 0.61-0.69]。這項 p < 0.001 的顯著差異，鐵錚錚地證明了 MR 邊界成功阻止了鄰近正常腦組織的高 FDG 訊號「溢流」進代謝低落的病灶區。

若細看 Figure 3 的視覺評分分佈圖，臨床醫師的主觀感受與演算法的量化數據達成了完美契合。在滿分為 5 分的病灶視覺顯著性評比中，MRgPET 組獲得了平均 4.2 分（判定為「容易辨識且邊界清晰」），遠勝過標準 OSEM 組的 2.8 分（落在「模稜兩可、需反覆確認」的區間）。此外，大腦皮質的整體銳利度評分也從常規的 3.1 分巨幅提升至 4.6 分，即使在沒有病灶的健康腦區，腦迴的幾何形狀在 PET 上也變得如同 MRI 般清晰可辨。

更具臨床決定性意義的，是整體檢出率的翻轉。在最初 3T MRI 被判定為陰性或無法確診的 14 位困難患者中，傳統 OSEM PET 僅能勉強圈出 5 人的代謝異常區；但切換到 MRgPET 影像後，有 9 人的 FCD 病灶被明確標示出來，且後續的 SEEG 證實了這些代謝低點正是癲癇發作的起始區。若以全體 32 位患者計算，PET 的整體診斷敏感度從常規的 68% 一舉飆升至 88%，這多出來的 20% 敏感度，直接讓這群患者拿到了接受根治性切除手術的入場券。

Table 3 額頂葉的動態校正紅利與次群組分析

在整篇論文的數據中，Table 3 針對不同腦葉解剖位置的次群組分析（subgroup analysis）是最不容忽視的段落。演算法帶來的影像強化效益並非均勻分佈於全腦，而是呈現高度的區域特異性。對於位於顳葉底部的 FCD，傳統 OSEM 與 MRgPET 的敏感度差異其實並未拉開明顯差距（85% vs 90%，p = 0.32）。然而，當 FCD 病灶位於額葉表面或頂葉交界處時，MRgPET 的優勢被急遽放大，敏感度從原本慘澹的 54% 暴增至 86%（多變數迴歸 OR = 3.4，p = 0.012）。

這種高度區域性差異的背後邏輯，必須歸功於「逐筆事件動態校正」在此特定解剖位置的物理紅利。額葉頂部與皮質凸面距離人體頸椎的旋轉軸心最遠，在長達 40 分鐘的靜態 PET 掃描中，患者即便是微小的深呼吸起伏、吞嚥動作或焦慮引起的頭部微偏，都會在額部皮質產生最大的線性位移（高達 4-6 mm）。標準的 OSEM 演算法會將這些連續位移直接模糊化，無情地抹平原本就極其微弱的 FCD 代謝低谷；而透過 MR 導航器每秒捕捉的剛體運動參數反饋，徹底鎖死了這種空間漂移。

此外，多變數迴歸模型進一步剖析了病灶體積與演算法效益的關聯。數據顯示，體積小於 1.5 立方公分的微小 FCD，是這套新重建演算法的最大受益族群。當病灶大於 3 立方公分時，無論使用哪種演算法，醫師基本上都不會漏看；但對於那些深藏在腦溝底部、體積不到 1 立方公分的 Type IIb 型 FCD，沒有 MR 先驗邊界的保護，其代謝訊號會瞬間被周遭健康的皮質吞沒。這也解釋了為什麼 MRgPET 能在 MRI 陰性的次群組中展現出如此強大的翻盤能力。

假陽性陷阱與臨床常規導入的適用條件

儘管量化數據極度亮眼，作者在 Discussion 階段仍詳細盤點了這項原型技術在真實場域的幾項限制與適用條件。首先是「過度邊界化」帶來的假陽性隱憂。因為演算法強制將 PET 的同位素訊號與 MR 的灰白質邊界對齊，如果患者本身存在輕微的局部皮質萎縮，或者 MR 影像本身的組織分割出現誤差（例如將粗大的血管周圍間隙誤判為皮質邊界），MRgPET 就極可能在這些區域捏造出不自然的代謝斷層。這強烈要求閱片醫師必須具備極高的 MR 結構敏銳度，絕不能單看 PET 的鮮豔色塊就草率下診斷。

其次，MR 引導重建技術的品質，極度依附於當下結構性 MR 序列（如 3D MPRAGE）的完美程度。如果病患在掃描高解析度 T1 期間發生嚴重躁動產生了移動假影，這份帶有瑕疵的「先驗解剖地圖」反而會無差別地毀掉整個 PET 的重建品質。此外，高強度的演算法伴隨而來的是龐大的運算時間成本，目前單一病患的完整 MRgPET 重建需要耗費工作站將近 30 分鐘，這在追求高周轉率的臨床單位是一大考驗。

回到第一線放射科與核醫科的診斷現場，最務實的策略不應是完全捨棄傳統技術，而是採取雙軌並行的閱片模式。常規的 OSEM 影像依然是觀察整體大腦代謝趨勢與大範圍網絡異常的基石；而 MRgPET 則應被視為一把高倍率的「手術級放大鏡」。當你面對一份腦波圖強烈暗示有局部放電，但常規 MRI 卻乾淨得找不到任何結構異常的病歷時，這套技術就是打破僵局的關鍵武器。

遇到腦波定調在額葉表面但常規 MRI 卻乾淨無瑕的難治型癲癇，直接調出 MR 結構引導重建的 PET 影像，那些被微動模糊掉的細微代謝低谷往往就藏在那裡。