Classifying Parkinsons Disease Progression via Latent Trajectories of Striatal Specific Binding Ratios from I-123 FP-CIT SPECT in Association with Levodopa-Induced Dyskinesia [NEURODEGENERATIVE DISORDER IMAGING]

基線多巴胺轉運體活性比較好的帕金森氏症患者，發生左旋多巴誘發異動症的機率反而暴增 11.41 倍。這種背離直覺的現象來自於紋狀體神經退化的「斜率」而非「絕對值」。當我們只憑藉單次核醫影像作為預測基準時，往往會誤判局勢；唯有拉出長達四年的造影軌跡，才能提早揪出這 12.7% 屬於快速退化且極易產生嚴重用藥併發症的高危險群。

左旋多巴異動症與四階段多巴胺影像的追蹤盲區

神經退化性疾病的影像評估長期倚賴單一時間點的橫斷面判讀。帕金森氏症（Parkinson's disease, PD）患者在病程中無可避免地需要接受多巴胺替代療法，但左旋多巴誘發異動症（Levodopa-induced dyskinesia, LID）卻是神經內科醫師在長期投藥時最棘手的併發症。一旦患者出現不自主的肢體扭動，不僅大幅降低生活品質，也宣告藥物蜜月期結束。然而，在患者尚未出現併發症的初期，我們極度缺乏可靠的生物標記來辨識哪些人屬於高風險群。

對於放射線科與核子醫學科醫師而言，I-123 FP-CIT SPECT（利用同位素標記追蹤多巴胺轉運體分佈的核醫掃描）通常只被視為區分帕金森氏症與原發性顫抖症的初始診斷工具。我們習慣在報告中描述紋狀體（尤其是殼核）的攝取減少程度，卻鮮少將這些攝取數據與未來數年後的藥物不良反應風險建立連結。單靠初診時的靜態影像，根本無法捕捉患者神經元損耗的動態過程。

為了突破這個臨床瓶頸，這項發表於 AJNR 的研究捨棄了單點預測的思維。作者引入了 LCGA（Latent class growth analysis，把病患依隨時間變化的軌跡自動分群的統計法），企圖從縱向的影像軌跡中，找出潛藏在群體數據下的獨特退化模式，並驗證這些軌跡是否能比傳統的臨床指標更早、更準確地預測四年內 LID 的發生。

276名帕金森患者與四階段FP-CIT追蹤設計

從研究的收案結構來看，作者建立了一個規模達 276 位帕金森氏症患者的縱向世代。這群患者不僅有完整的基線資料，更在隨後的第 1 年、第 2 年以及第 4 年，接受了密集的 I-123 FP-CIT SPECT 追蹤掃描。要在真實環境中要求神經退化患者連續四年完成四次核醫造影，其執行難度極高，這也使得本研究的數據具有高度的稀缺性與參考價值。

在影像量化分析方面，研究團隊計算了尾狀核（caudate）與殼核（putamen）的 SBR（Specific binding ratio，用背景值校正出的局部活性比值）。SBR 能夠客觀地反映該解剖區域內殘存的多巴胺轉運體密度。除了核醫影像特徵，模型還納入了豐富的臨床變數，包含病患的 LEDD（Levodopa equivalent daily dose，左旋多巴等效日劑量）、MDS-UPDRS（國際通用的帕金森氏症綜合評估量表）分數，以及動作次分型。

動作次分型依據臨床表現被細分為顫抖型（Tremor-dominant）、PIGD（Postural instability and gait difficulty，姿勢不穩與步態困難型），以及未能歸類的未定型（Indeterminate）。研究的最終主要終點（Primary endpoint）設定為患者在四年隨訪期間內，是否出現了左旋多巴誘發異動症。

透過結合四個時間點的 SBR 數值與 LCGA 演算法，系統不依賴人為預設的閾值，而是讓數據自己說話，自動將這 276 名患者依據多巴胺神經元去神經化（denervation）的速度，歸類到不同的潛在進展軌跡中。

兩大分群軌跡：基線尾狀核SBR較高者退化更急遽

把焦點拉到軌跡分佈的具體數據，LCGA 成功辨識出兩種截然不同的退化進程。絕大多數的患者被歸類為 Class 1（緩慢退化組），共計 241 人，佔整體世代的 87.3%；而少部分患者則落入 Class 2（快速退化組），共計 35 人，佔比 12.7%。這兩種分類所展現的基線特徵與後續走向，完全顛覆了「起點越差、預後越糟」的傳統直覺。

若細看分組對比的具體數字，Class 1（緩慢退化組）在初次掃描時，其基線尾狀核 SBR 僅有 1.84 ± 0.46，殼核 SBR 則是 0.70 ± 0.23。相較之下，Class 2（快速退化組）在初診時展現出明顯較高、相對保留的多巴胺活性，其基線尾狀核 SBR 高達 2.90 ± 0.37，殼核 SBR 也有 1.33 ± 0.37（兩者的組間差異 p 值均 < 0.001）。單看第一年的影像，閱片醫師極容易認為 Class 2 的病患病情較輕微。

然而，時間的考驗展現了截然不同的樣貌。在四年的追蹤期內，Class 2 經歷了極度陡峭的活性崩落。Class 2 的尾狀核 SBR 在四年間大幅度下降了 0.92，殼核下降了 0.61；反觀起點較差的 Class 1，其四年尾狀核僅下降 0.43，殼核僅下降 0.20。這意味著 Class 2 的多巴胺神經末梢正在以兩倍以上的速度急遽凋亡。這種短時間內神經緩衝能力的快速喪失，導致大腦對外源性左旋多巴藥物變得極度敏感，進而引發異常的神經衝動。

多變數迴歸分析：高達11.41倍的異動症風險值

為了釐清這些影像軌跡是否具備獨立的臨床預測力，研究團隊使用了多變數羅吉斯迴歸（Multivariate logistic regression）來預測四年內 LID 的發生率。結果顯示，影像分類與臨床次分型共同主導了併發症的走向。其中，被歸類為 Class 2（快速退化組）是極為強烈的獨立預測因子，其勝算比（Odds Ratio, OR）高達 11.41（95% CI 1.04–125.35，p = 0.047）。

在臨床變數方面，未定型（Indeterminate）動作次分型同樣展現了強烈的預測效力，其 OR 值為 10.56（95% CI 1.809–61.682，p = 0.009）。相較於典型的顫抖型或步態困難型，這類難以明確歸類的非典型表現，暗示了其背後可能存在更複雜、更不穩定的紋狀體神經網絡受損模式。

當研究人員將基線臨床特徵與 LCGA 導出的影像軌跡（Class 2）合併，建構出一個綜合性預測模型時，該模型在預測四年 LID 發生的表現上，達到了 0.876 的優異曲線下面積（AUC）。這項數據強烈支持：將動態的影像變化斜率納入考量，遠比單看一次靜態影像更能準確地捕捉病患的用藥風險。

值得特別注意的是，雖然 Class 2 的 OR 值高達 11.41，但其 95% 信賴區間（1.04–125.35）異常寬廣。這個統計學上的現象，直接反映了 Class 2 本身的樣本數較小（僅 35 人），且其中實際發生 LID 的事件數佔比使得變異數膨脹。這提醒我們，儘管「快速退化」具有極高的危險性，但其絕對精確度仍需在更大規模的群體中進一步收斂。

放射科實務反思與Class 2極寬信賴區間的解讀

從這篇研究延伸至放射線科與核子醫學科的日常實務，我們必須重新審視神經影像的判讀策略。過去，我們可能認為基線 SBR 數值越高，病患的預後就相對樂觀；但本文證實，基線活性較高且尚未完全退化的區域，往往也是日後「退化空間最大、斜率最陡」的所在。當局部多巴胺受體在短時間內面對急遽的去神經化時，投予常規劑量的左旋多巴反而會觸發脈衝式的過度刺激，這正是異動症爆發的核心機轉。

在臨床應用上，這項發現賦予了 I-123 FP-CIT SPECT 全新的適應症意義。它不再僅是單次使用的「鑑別診斷工具」，更是適合安排在一到兩年後重複掃描的「風險分層工具」。如果我們能在第二次掃描時，提早測量出 SBR 下降的斜率並預判患者屬於 Class 2，神經內科醫師就能更有底氣地調整策略，例如延後左旋多巴的使用時機，或是提早合併使用多巴胺受體激動劑，以平抑紋狀體內的藥物濃度波動。

當然，作者在討論環節也坦承了研究的先天限制。LCGA 是一種「事後回溯」的統計分群方法，它利用了完整的四年資料來畫出軌跡並將病患分類。然而在真實的看診當下，當病患只完成基線與第一年的掃描時，我們尚未擁有一個經過嚴謹驗證的「絕對 SBR 衰退閾值」可以直接套用並宣判患者為 Class 2。未來的工作勢必需要將這種回溯性的軌跡分類，轉化為可以前瞻性應用的具體下降百分比，才能真正無縫接軌臨床工作流程。

如果病患初診的核醫多巴胺活性還算高，但一年後追蹤卻呈現陡峭下滑，請立刻在報告中提醒臨床醫師：這名患者極可能在未來幾年爆發嚴重的左旋多巴異動症。