Examining the association between Systemic Inflammation and White Matter Hyperintensities: a Systematic Review with Meta-analysis [SYSTEMATIC REVIEW/META-ANALYSIS]

大家都以為全身性發炎指標 CRP 會直接反映在腦部白質病變的嚴重度上，但這份收錄 8846 人的統合分析告訴我們：CRP 與白質高訊號病灶體積毫無顯著相關。真正主導大腦小血管退化的是代謝性疾病，在多變數回歸中，糖尿病讓白質病灶體積顯著暴增 442.0 mm³。這打破了單純用血液發炎指數來預測腦神經退化的過度簡化認知。

大腦小血管退化與全身性發炎的病理交鋒

在我們每天面對著數十台 MRI 的讀片日常中，大腦白質高訊號病灶 WMH（大腦白質高訊號病灶）幾乎是每一位中高齡患者 FLAIR 序列上的標準配備。傳統的神經病理學派經常將這些呈現高訊號的缺血性變化歸咎於大腦小血管疾病的慢性進展，並且在理論上推測，全身性的發炎反應可能會對腦部微循環造成系統性的衝擊。這種理論認為，血液中的發炎因子會循序漸進地破壞脆弱的血腦屏障，進而導致血漿蛋白滲漏進入腦組織，引發周圍星狀膠質細胞與微膠細胞的異常活化，最終形成我們在影像上看到的白質壞死與髓鞘脫失。為了驗證這個從周邊血液蔓延至中樞神經的假說，本次收錄在 AJNR 權威期刊的研究團隊決定從巨觀的統合角度出發，深入探討血液中常見的發炎生物標記與 MRI 影像上精確量化的 WMH 負荷之間，到底有沒有確切的統計關聯。如果能從大數據中證實兩者的強烈相關性，或許未來臨床醫師就能透過簡單的常規抽血檢驗，來提早評估並預防大腦神經網絡的不可逆退化。然而，要把抽象且波動劇烈的血清發炎狀態，與具象且長期累積的立體影像特徵對接在一起，往往牽涉到極度複雜的生理干擾因子。單憑病理直覺認為發炎必定會導致腦白質實質病變的推論，在嚴謹的量化統計數據面前面臨了前所未有的嚴峻挑戰。

橫跨十五年收錄八千餘人的統合分析設計

若從 Methods 的文獻篩選與收案歷程來看，研究團隊執行了一場極具野心的資料庫挖掘。他們翻閱了 2010 年 1 月至 2025 年 1 月這十五年間的三大主流醫學文獻資料庫，包含了 PubMed、Embase 以及 Cochrane Library。為了確保最終進入分析的數據具有實質的比較價值，他們設立了相當嚴格且明確的納入標準，只挑選同時具備明確抽血檢驗發炎指標，且在腦部 MRI 檢查中擁有客觀「量化 WMH 體積」連續變數數據的文獻。這項條件直接排除掉了大量僅靠放射科醫師肉眼主觀判定、給予 Fazekas 分級的舊時代觀察性報告。經過初步檢索出 392 篇關聯紀錄並剔除重複項目後，共有 309 篇文獻進入實質的全文審查階段。經過層層過濾，最終僅有 29 篇符合所有的收案條件，而其中 11 篇提供了足夠完整的均值與標準差數據，得以順利進入最核心的統合分析模型，總計涵蓋了 8846 位背景各異的受試者。為了確保證據的可靠度與防堵偏差，作者特別採用 MINORS（評估非隨機觀察性研究的量表）來逐一檢視各篇觀察性研究的方法學品質與收案瑕疵。同時，研究團隊也輔以國際通用的 GRADE（評估臨床證據等級的標準框架）來判定整體結論的確定性，確保所有萃取出的微小體積變化數據，都不是建立在脆弱且充滿偏誤的研究基礎之上。

Figure 2 森林圖呈現的極端異質性與基準體積

把焦點拉到 Results 段落中最具分量的核心數據，Figure 2 的森林圖展示了一個所有處理過多中心影像大數據的放射科醫師都必須高度留意的現象：跨研究之間的統計異質性高達極端罕見的 $I^2$ = 99.9%。這個直逼滿分的 $I^2$（衡量各研究間結果差異程度的指標）數字意味著，在不同國家的醫院、不同廠牌與磁場強度的 MRI 掃描儀、不同序列切面厚度，以及各種五花八門的自動化腦容積分割軟體之間，所測量到的 WMH 體積存在著難以跨越的先天差異。儘管底層的原始數據呈現極度發散的狀態，團隊依然透過嚴謹的隨機效應模型，強行算出了這八千多人的匯總平均 WMH 體積為 2576.4 mm³（95% CI 區間落在 2391.4 至 2761.4 之間）。這個大約等同於兩點五立方公分的基準數字，為我們提供了一個極具參考價值的大尺度空間概念，讓後續探討危險因子與體積增減時，能有一個可以具體對照的基準線。然而，如此劇烈的異質性同時也強烈暗示了，單純計算整體受試者的平均值是非常危險且容易失真的，我們必須依賴更進階的 meta-regression（將多個研究特徵當作變數進行的回歸分析）演算法，才能在充滿雜訊的背景中，找出真正影響腦部病灶擴大的決定性臨床因素。

Table 2 呈現的多變數回歸陷阱與發炎指標出局

在探討次群組效應與臨床干擾因子的 Table 2 中，作者展示了令人深思的統計反轉現象，這絕對是整篇論文對臨床實務最有價值的區塊。若僅僅觀看單變數回歸分析的表面數字，年齡（$eta$ = 356.1；95% CI, 125.5–586.2；P = .002）與糖尿病史（$eta$ = 652.4；95% CI, 370.5–934.3；P < .001）這兩個常見的臨床因子，都與更高的 WMH 影像負擔呈現強烈且顯著的正向關聯。然而，當統計學家把這些變數全部同時放進多變數回歸模型，藉此校正並剔除互相干擾的共線性效應後，年齡的獨立影響力竟然被大幅稀釋到失去統計顯著意義，只剩下「糖尿病」依然維持著不可動搖的支配地位。在嚴格控制其他變數之後，糖尿病本身就能讓患者的腦白質病灶體積實質增加高達 442.0 mm³（95% CI, 98.7–785.3；P = .01）。更讓傳統認知感到震撼的是，臨床上最常被用來當作發炎代表的 CRP（C-反應蛋白）血液濃度，在此次精密的回歸分析中完全沒有展現出與 WMH 體積的顯著統計相關。這項明確的發現直接反駁了急性發炎蛋白會等比例造成大腦白質慢性退化的單純線性想法，更凸顯了長期的血糖代謝異常在誘發微小血管內皮病變中，具有壓倒性的破壞力。

證據確定性低落的先天限制與打報告的實務考量

翻閱到論文最後的 Discussion 討論段落，作者團隊相當坦率地承認了這份大型統合分析面臨著難以克服的客觀限制。首先是整體結論的綜合證據等級被 GRADE 系統無情地評定為「低」，再加上前段提及那高達 99.9% 的跨研究異質性干擾，使得我們絕不能輕易將增加四百多立方毫米這個精確統計數字，直接死板地套用在某個特定的急診或門診病患身上。這種高度的測量分歧也反映出，當前全球神經影像學界對於「量化腦部白質病變」依然缺乏一套絕對通用且標準化的測量演算法，不同 AI 軟體的閾值設定與灰白質交界處的像素判定標準，依然是統合大數據時的最大阻礙。對我們坐在暗房裡第一線審片的放射科醫師而言，這篇論文提供了非常務實的判讀觀點轉換：未來在打腦部 MRI 報告時，如果看到 FLAIR 序列上滿佈著大片的腦室旁或深部白質高訊號，比起在病歷系統裡推測病患近期是否有嚴重的全身性發炎，不如直接去查閱他的長期糖化血色素趨勢與糖尿病病史。代謝性疾病所造成的微血管內皮長期慢性損傷，遠比血液中短暫漂浮的 CRP 蛋白，更容易在大腦深處留下不可逆的影像印記。

看到滿天星的 Fazekas 3 級白質病灶，不用費心找 CRP 發炎數據，直接調閱糖尿病史與糖化血色素才是正解。