Photon-counting CT characterization of carotid perivascular adipose tissue: a layer-by-layer quantitative analysis. A preliminary analysis in an asymptomatic population
PCCT 證實頸動脈周圍脂肪具備由內向外遞減的密度梯度，挑戰狹窄率思維。
- 頸動脈外圍第一毫米脂肪密度最高 (-67.2 HU)，往外至第五毫米顯著下降至 -88.0 HU。
- 與冠狀動脈不同，頸部外圍 3-5 mm 脂肪極易受淋巴結干擾，變異係數高達 72.8%。
- 無需抽血即可透過 PCCT 評估局部發炎，為無症狀但具斑塊破裂風險的病患提供新指標。
頸動脈外圍第一毫米的脂肪密度高達 -67.21 HU，比第五毫米處顯著「亮」了近 21 HU。我們習慣單看血流狹窄率評估中風風險，卻往往忽略血管壁外釋放的潛在發炎訊號。本研究利用光子計數電腦斷層掃描首度證實，頸動脈周圍脂肪組織具備由內向外遞減的空間密度梯度，為無症狀的頸動脈斑塊提供了全新的影像生物標記。
PCCT 切割 1–5 mm 的同心圓與 20 位無症狀受試者
傳統評估頸動脈粥狀硬化的標準主要依賴 NASCET 狹窄率，但越來越多證據指出，斑塊本身的組成與局部發炎反應，往往比單純的管腔狹窄更能預測缺血性中風的發生。在冠狀動脈領域，冠狀動脈周圍脂肪組織的衰減值上升，已被證實是血管發炎與不良心血管事件的強烈預測指標。然而，這個概念能否平行移植到頸動脈，過去受限於傳統電腦斷層的解析度而難以精確量化。
本研究回溯性收錄了 20 位無症狀受試者（11 男 9 女，平均年齡 71.3 ± 11.49 歲），其頸動脈平均 NASCET 狹窄率僅為 24% ± 14%。研究團隊採用臨床最新的 PCCT（光子計數電腦斷層，直接測量單一 X 光光子能量以大幅提升空間與對比解析度的新一代 CT）進行掃描。所有影像皆採用 UHR 模式（超高解析度模式，影像重建平面空間解析度可達 0.225 mm）進行等向體素重建。
為了精確萃取頸動脈周圍脂肪組織（PVAT），作者開發了一套專用的 Python 演算法。操作者首先在最大斑塊厚度的軸切面上，手動描繪頸動脈斑塊的外輪廓。接著，演算法透過形態學擴張（影像處理中將特定邊界逐層向外均勻擴張的數學運算），自動生成厚度從 1 mm 到 5 mm 的同心圓環。為了排除血管壁或斑塊本身的干擾，演算法嚴格設定了 -190 到 -30 HU 的衰減值閾值，僅保留符合脂肪特性的體素進行後續的衰減值（HU）與體素數量統計。
Table 1 與 Table 2 揭露的由內而外 -67 到 -88 HU 衰減梯度
這篇研究最核心的發現在於 PVAT 衰減值的空間分佈規律。作者將測量分為兩種維度：一種是逐漸增加總厚度的累計數值（1 mm, 2 mm, 3 mm...），另一種則是將每一毫米視為獨立一圈的「Circle HU」（例如單獨看 1-2 mm 之間的那一圈）。
Table 2 詳細列出了各獨立同心圓（Circle HU）的平均衰減值。緊貼著血管壁的第一圈（Circle 1 mm）脂肪密度最高，平均為 -67.21 ± 13.91 HU。隨著距離往外推移，衰減值呈現幾乎線性的下降趨勢：Circle 2 mm 為 -75.05 ± 12.49 HU、Circle 3 mm 為 -81.71 ± 11.08 HU、Circle 4 mm 為 -86.29 ± 13.51 HU，到了最外圍的 Circle 5 mm 則降至 -88.04 ± 12.22 HU。
經過 FDR 校正（錯誤發現率，用於校正多重比較以控制偽陽性機率的統計方法）後的配對 t 檢定顯示，1 mm 圈與外圍的 3–5 mm 圈之間具有高度顯著的統計差異。這種越靠近血管壁脂肪越「亮」的現象，強烈支持了動脈粥狀硬化發炎的「由外而內（outside-in）」假說。當血管壁發生局部發炎時，釋放出的細胞激素會改變緊鄰脂肪組織的代謝狀態，抑制脂肪新生並導致組織水腫，進而在高解析度 PCCT 影像上表現為 HU 值的上升。
傳統 EID-CT（能量積分探測器 CT，將光子能量轉為可見光再轉為電訊號，易受邊緣模糊干擾）往往因為探測器串擾與電子雜訊，導致微小血管周圍的細微密度梯度被光暈假影掩蓋。PCCT 憑藉其極高的空間解析度與去雜訊能力，成功捕捉到了這相差僅約 20 HU 的微觀漸層變化。
呈現明顯的由內向外遞減趨勢 (數值越小代表越暗)
Figure 3 的雷達圖異質性與 Figure 5 的淋巴結解剖陷阱
雖然整體趨勢呈現完美的由內向外遞減，但這篇論文的亮點在於作者並未掩蓋資料的真實樣貌。Figure 3a 的熱圖與 3b 的雷達圖展示了極大的個體間異質性。並非所有受試者的脂肪密度都呈現標準的線性下降，部分受試者在特定層次出現了數值停滯、非線性波動，甚至是反轉的趨勢。
造成這種巨大變異的原因，在 Figure 5 與 Table 3 中找到了解答。與冠狀動脈通常懸浮於相對單純的縱膈腔脂肪中不同，頸部的解剖構造極度擁擠且複雜。Figure 5 點出了一個致命的解剖陷阱：頸動脈周圍充滿了頸部淋巴結、靜脈叢與神經束。當演算法將同心圓擴張到 3 mm 甚至 5 mm 時，不可避免地會撞擊到相鄰的淋巴結。即便演算法已經用 -30 HU 的上限排除了軟組織，但淋巴結周圍往往伴隨本身的局部發炎反應或微小水腫，這會嚴重污染該區域 PVAT 的純度。
這項觀察在 Table 3 的體素數量統計中獲得了數據印證。隨著同心圓向外擴張，雖然平均體素數量從 927 個微幅上升到 1108 個，但其變異數與變異係數（CV%）卻呈現爆炸性成長。Circle 1 mm 的 CV% 僅為 38.64%，但到了 Circle 4 mm 暴增至 59.24%，在 Circle 5 mm 更是高達 72.84%。這意味著在距離血管壁 4-5 mm 處，演算法框選到的「有效脂肪」數量在不同個體間差異極大，外圍圈層的數據穩定度大幅下降。此外，研究也對比了左右兩側的頸動脈（Figure 2b, 4c），在衰減值與體素分佈上均未發現顯著的統計差異，排除了解剖側性對發炎訊號的系統性干擾。
| 同心圓階層 | 平均體素數 (Voxel) | 變異數 (Variance) | 變異係數 (CV%) |
|---|---|---|---|
| Circle 1mm | 927 | 128,409 | 38.6% |
| Circle 2mm | 1016 | 172,408 | 40.8% |
| Circle 3mm | 1068 | 214,460 | 43.3% |
| Circle 4mm | 1098 | 422,968 | 59.2% |
| Circle 5mm | 1108 | 651,577 | 72.8% |
資料來源：Table 3。外圍圈層受解剖構造干擾，變異度極大。
頸部 PVAT 的解剖限制與常規閱片的實戰觀點
這篇初步研究明確指出了目前技術的臨床適用邊界。首先，樣本數僅有 20 人且全為無症狀患者，極大的數據變異性部分可歸因於樣本量不足。我們目前只能確認 PCCT 有能力測量這項指標，但 -67 HU 這個數字是否對應真實的組織學斑塊不穩定性？是否真的會引發未來的缺血性中風？這些都需要後續的縱向追蹤研究與對照組來驗證。
其次，頸部 PVAT 的量化比冠狀動脈更具挑戰性。解剖構造的複雜性決定了我們不能盲目將量測範圍無限外擴。從數據來看，緊貼著血管壁的 1–2 mm 圈層受到周圍神經血管與淋巴結的干擾最小，其測得的 HU 值可能最純粹地反映了血管壁本身的發炎狀態。
對於忙碌的放射科醫師而言，我們明天看片時當然不可能手動去畫出這 5 mm 的同心圓。但這篇論文改變了我們觀察頸動脈 CTA 的視角。過去我們將注意力全放在管腔內的狹窄程度、是否有潰瘍或軟斑塊；現在，當我們使用高解析度 CT（特別是 PCCT）閱片時，應當開始訓練自己的肉眼，去觀察斑塊「外面」的那層脂肪。如果一個狹窄率不到 30% 的非鈣化斑塊，其緊貼的微小脂肪層呈現異常的「毛躁」或密度局部上升（相對於皮下脂肪），這極可能是血管局部發炎活躍的強力暗示。
你下次看到輕度頸動脈非鈣化斑塊，但緊貼著一團偏亮的脂肪時，還會只在報告裡打上「NASCET 24%」就結束嗎？