High-Resolution MRI Using Artificial Intelligence-Assisted Acceleration and Radial Dynamic Contrast Enhancement for Improved Detection of Pituitary Microadenomas in Cushings Disease [BRAIN TUMOR IMAGING]

尋找庫欣氏症的腦下垂體微小腺瘤，向來是放射科醫師每天判讀 MRI 的一大夢魘。顛覆我們對內分泌腫瘤血流豐富的直覺，這篇前瞻性研究證實，真正分泌 ACTH 的微小腺瘤，其 DCE 灌注參數（Ktrans 與 Kep）反而顯著「低於」無功能腺瘤與芮氏囊腫（P < 0.01）。只要將常規 MRI 換成 ACS（利用深度學習神經網路加速影像重建技術） 搭配延遲 FLAIR，不需延長掃描時間，就能將 71 顆病灶的偵測敏感度一口氣衝上 94.9%。

突破庫欣氏症 71 顆微小腺瘤的傳統 MRI 盲區

在日常臨床實務中，庫欣氏症（Cushing's disease）多由微小腺瘤（microadenomas）引起，這類病灶體積極小，經常小於 3 甚至 2 毫米。常規的腦下垂體 MRI 受到掃描時間與訊號雜訊比（SNR）的物理限制，切面厚度通常落在 2 到 3 毫米之間。這種厚度極易產生部分體積效應（partial volume effect），讓原本對比就不明顯的微小病灶直接消融在正常腦下垂體組織的背景訊號中，導致嚴重的假陰性。

病灶找不到的後果極為棘手：內分泌科與神經外科必須依賴侵入性的下岩脊竇抽血檢測（IPSS）來確認 ACTH 分泌的側別，甚至在手術檯上進行盲目的半側腦下垂體切除。因此，如何在不無謂延長患者待在磁振造影機內的時間（避免吞嚥或頸動脈搏動造成的假影）的前提下，逼出極高空間解析度的影像，一直是神經影像學界極欲突破的技術瓶頸。

本研究團隊巧妙結合了兩項頂尖的影像加速與重建技術。他們引入了 AI 輔助的壓縮感測（Artificial Intelligence–assisted compressed sensing, ACS）應用於高解析度的解剖序列（T1WI、T2WI）。這類技術有別於傳統依賴迭代演算法的壓縮感測，它利用深度神經網路直接從極度欠取樣（undersampled）的 k-space 數據中還原影像細節，打破了過去空間解析度、SNR 與掃描時間之間無法兼顧的「不可能的三角」。

此外，為了捕捉微小腺瘤與正常腺體之間極短暫的血流灌注時間差，作者在動態對比增強（DCE-MRI）序列中使用了 uCSR（結合壓縮感測與放射狀軌跡的動態取像技術）。放射狀取樣天生對運動假影具有極高的抵抗力，這讓他們能以極高時間解析度進行取像，從根本上解決了過去腦下垂體動態攝影常見的模糊與錯位問題，為後續精確的藥代動力學分析打下基礎。

61 位手術證實病患與 ACS 取像的對比設計

要證明影像技術真正具備臨床價值，必須要有無可挑剔的黃金標準（reference standard）。本研究採用前瞻性設計，嚴格收錄了 61 位最終皆由神經外科手術切除並經病理切片證實為庫欣氏症的病患（中位年齡 42 歲，其中 56% 為女性）。在這 61 位患者中，手術共清點出 71 顆病灶。特別值得注意的是病患群體的複雜度：有 9 位病患（佔 14.7%）在影像與手術中發現具有多發性病灶（multiple lesions），另有 2 位屬於極其罕見的異位性病灶（ectopic lesions）。

在造影協議的設計上，作者執行了非常嚴格的 head-to-head 比較。每位病患皆在同一台機器上接受了兩套解剖序列掃描：第一套是常規臨床使用的 T2WI 與施打顯影劑後的 T1-weighted imaging (T1WI-C)；第二套則是套用 AI 演算法加速重建的高解析度 ACS-T2WI 與 ACS-T1WI-C。除了這兩組對比外，作者還常規加入了延遲期 FLAIR 序列（delayed FLAIR），利用顯影劑的 T1 縮短效應與 CSF 抑制來凸顯靠近假腦膜（diaphragma sellae）邊緣的隱蔽病灶。

在動態造影方面，所有患者均接受了基於 uCSR 技術的 DCE-MRI 掃描。這種放射狀採集技術確保了在造影劑快速通過腦下垂體門脈系統（portal system）的瞬間，能以極密集的時序記錄下每一秒的訊號變化。影像判讀則由具備多年經驗的放射科醫師獨立進行，他們被要求在盲解（blinded）病患最終病理結果的狀態下，針對影像品質的清晰度進行評分，並標註病灶的位置。

統計分析方面，研究團隊不僅比較了客觀的影像物理指標（SNR 與 CNR），更將 ACS 序列組合與常規序列在病灶偵測率上的表現進行了嚴謹的 McNemar 檢定。針對 DCE-MRI 取出的時間-訊號強度曲線，他們進一步套用藥代動力學模型，萃取出微血管微觀生理參數，試圖在多發病灶患者中找出能一眼定江山的量化指標。

Table 1 影像品質量化與 94.9% 的超高敏感度

影像品質的客觀數據是最難以造假的成績單。仔細檢視論文中的 Table 1 數據，ACS 加速技術在硬指標上取得了壓倒性的勝利。在主觀的影像清晰度評分上（滿分 5 分），ACS-T1WI-C 獲得了 4.7 ± 0.3 的高分，顯著擊敗常規 T1WI-C 的 4.1 ± 0.6（P < 0.001）。更關鍵的是客觀物理指標：ACS-T1WI-C 的訊號雜訊比（SNR）高達 30.1 ± 3.4，相較於常規序列的 22.3 ± 2.4，提升幅度超過三成（P < 0.001）。

同樣的優勢也反映在 T2 權重影像上。ACS-T2WI 的對比雜訊比（CNR）達到了 12.4 ± 3.1，遠勝常規 T2WI 的 8.5 ± 2.3（P < 0.001）。對於直徑僅有幾毫米的微小腺瘤而言，這額外的 4 點 CNR 往往就是「看似正常腺體」與「明確指出低訊號結節」的生與死之別。藉由 AI 演算法的降噪與銳化，醫師在放大影像觀察海綿竇邊緣或是垂體柄（pituitary stalk）根部時，再也不必受限於過去粗糙的像素馬賽克。

在最核心的病灶偵測效能上，ACS 序列交出了極為驚豔的答卷。藉由「ACS-T1WI-C 搭配延遲 FLAIR」的黃金組合，放射科醫師成功在術前精準定位了全部 71 顆手術證實的病灶。若以病患與整體解剖區域為基礎進行統計，這個組合對庫欣氏症微小腺瘤的偵測敏感度高達 94.9%，而特異度亦維持在 93.5% 的優異水準，兩項指標均在統計學上顯著優於傳統的常規序列組合（P < 0.001）。

此外，高解析度且低雜訊的影像大幅降低了醫師主觀判讀的猶豫期。研究指出，兩位獨立閱片醫師在使用 ACS 序列進行病灶偵測時，其觀察者間一致性（Interobserver agreement）高達極優異的 κ = 0.91。這代表著，只要序列排得對，即便是不同資歷的放射科醫師，也能針對庫欣氏微小腺瘤達成高度共識，這對外科手術前規劃的信心加持是難以估量的。

圖三藥代動力學顛覆發現：ACTH 腺瘤低灌注

如果說 ACS 提升了看見病灶的「視力」，那麼基於 uCSR 的 DCE-MRI 藥代動力學分析，則是賦予了放射科醫師鑑別病灶的「智力」。本研究 cohort 中有 14.7%（9 位）的患者具備多發性腦下垂體病灶。當外科醫師打開蝶竇，看到兩側都有微小結節時，到底哪一顆才是真正分泌 ACTH 導致庫欣氏症的元凶？如果切錯了，患者不僅庫欣氏症無法緩解，還會平白損失正常的內分泌功能。

為了回答這個問題，作者分析了 DCE-MRI 推導出的三個微觀藥代動力學參數：Ktrans（顯影劑從微血管進入組織間隙的傳遞速率）、Kep（顯影劑從組織間隙回流血管的速率） 以及 Ve（組織間隙佔整體體積的比例）。傳統觀念常認為，神經內分泌腫瘤多半具備豐富的血流，因此灌注參數應該偏高。

然而，數據呈現出截然不同的風貌。針對這群多發病灶進行次群組分析後發現，真正分泌 ACTH 的微小腺瘤，其 Ktrans 與 Kep 值竟然「顯著低於」同在一顆腦下垂體內的無功能性腺瘤（NFPA）以及常見的芮氏囊腫（Rathke's cleft cysts, RCC）（P < 0.01）。這意味著，ACTH 致病灶在微血管通透性與對比劑交換速率上，其實處於相對低下的「冷」狀態。

從病理生理學角度來解釋，無功能性腺瘤往往具有更成熟且擴張的微血管網，而芮氏囊腫的邊緣若有發炎反應，其囊壁的血管通透性亦會大幅上升。相對地，緻密且微小的 ACTH 腺瘤其內部微血管結構異常且受壓迫，導致造影劑進入腫瘤間質的速率極慢。下次遇到多發結節，只要調出 Ktrans 的數值圖（parametric map），那個數值最低、最「冷」的微小區域，極大機率就是神經外科必須精準摘除的首要目標。

針對 6.5% 假陽性率的技術限制與實戰建議

儘管 ACS 結合 uCSR 的表現令人振奮，作者在討論環節依然坦誠了數項技術與臨床適用的邊界條件。首先，這是單一醫學中心、針對 61 位病患的經驗。AI 輔助的重建技術（如 ACS）雖然能無中生有地提高空間解析度與 SNR，但也潛藏著一個放射科醫師必須極度警覺的風險：AI 幻覺（hallucination）。當神經網路過度銳化微小的正常血管斷面或部分空蝶鞍的微小組織摺疊時，可能會被誤認為微小腺瘤。

這正是為什麼本研究的特異度為 93.5% 而非 100% 的原因。換算下來，約有 6.5% 的假陽性率。放射科同儕在日常打報告時，若看到 ACS 影像上出現極度邊緣銳利但缺乏動態對比延遲特徵的小亮點，必須克制直接 report 為 adenoma 的衝動，應對照 uCSR 動態影像以及延遲 FLAIR 來進行多參數的交叉驗證。

在實戰場景中，如果貴院的 MRI 機台已經具備深度學習重建功能（例如各大廠牌近年推出的 Deep Resolve, AIR Recon DL 等），強烈建議將庫欣氏症的 T1WI-C 切面厚度極限下探至 1-1.5 毫米，並直接套用最高級別的 AI 加速。此外，若常規的動態攝影因病患吞嚥而滿是假影，不妨與放射師溝通改用放射狀 k-space 採集序列（如 Siemens 的 StarVIBE 或 TWIST-VIBE 的變體），這能大幅拯救因運動假影而報廢的 DCE 數據。

最後，對於那些在 ACS 高解析度影像上依然毫無所獲，但臨床生化數據卻鐵證如山的患者，這項技術依然無法完全取代 IPSS 的終極守備位置。我們能做的，是將 MRI 的探測極限推到物理極限的最邊緣，把必須接受侵入性導管抽血的患者數量降到最低。

處理庫欣氏症 MRI 時，別讓 AI 的高畫質蒙蔽雙眼；遇到多顆小結節無法定奪時，記得調出 Ktrans 灌注圖，那個通透性最低、最「冷」的病灶才是神經外科該切的真兇。