Diagnostic Accuracy of Treatment Response Assessment Maps (TRAM) to Differentiate Tumor Recurrence from Radionecrosis: A Systematic Review and Diagnostic Meta-Analysis [SYSTEMATIC REVIEW/META-ANALYSIS]

TRAM 區分腫瘤復發與放射性腦壞死的整體敏感度高達 88%，但值得注意的是，其特異度僅有 74%，這意味著高達 26% 的放射性壞死仍可能被誤認為復發。我們每天在神經腫瘤追蹤片上遇到的強化病灶，始終是決定病患後續治療的棘手問題，這篇針對 286 位病患的統合分析為我們提供了量化的解答與潛在的陷阱。

放射後顯影難題與 TRAM 參數圖的運作機制

針對中樞神經系統腫瘤的日常挑戰，放射線治療後的追蹤影像往往充滿混淆視聽的變化。無論是膠質母細胞瘤或是腦部轉移瘤，在接受大劑量放射線照射後，血腦屏障都會受到不同程度的破壞。當我們在標準的 T1 加上對比劑的影像上看到新的強化病灶時，這究竟是殘存腫瘤細胞的猖獗擴張，還是單純因為血管受損、組織壞死而導致的對比劑滲漏？這個問題不僅困擾著放射科醫師，更是腫瘤科與神經外科醫師決定是否再次開刀的關鍵分水嶺。

回顧組織病理學的機制，腫瘤復發與放射性壞死在微觀血流動力學上有著根本的差異。活躍的腫瘤組織充滿了新生血管，這些血管雖然通透性高，但也具備強大的血流沖刷能力，能讓對比劑快速進入並相對快速地廓清。相對而言，放射性壞死區域往往伴隨著血管玻璃樣變性與纖維蛋白樣壞死，對比劑一旦滲漏到細胞外間隙，便如同進入一灘死水，缺乏有效的靜脈回流將其帶走，因而會在延遲影像上持續累積。

在傳統影像學與一般灌注技術的限制下，TRAM（用延遲顯影計算造影劑廓清的參數圖） 應運而生。這項技術通常要求病患在注射對比劑後等待一段時間（例如 1 小時），再次獲取高解析度的 T1 影像。系統將早期的強化影像與延遲影像進行減影與數學運算，計算出每個體素的廓清率或累積率。腫瘤區域通常在 TRAM 參數圖上呈現為廓清區，而壞死區域則呈現為累積區，提供了一種基於造影劑動力學的功能性視覺化地圖。

涵蓋 286 位病患的雙變數隨機效應模型設計

從這篇系統性文獻回顧的收案條件來看，研究團隊在 PubMed、Embase 以及 Lilacs 等主要資料庫中進行了全面的檢索，截止日期為 2024 年 9 月 19 日。為了確保數據的純淨度，被納入的研究必須明確評估 TRAM MRI 在區分腫瘤復發與放射性壞死上的效能，且必須提供足夠的原始數據來建構完整的 2×2 列聯表。歷經嚴格篩選後，最終僅有 7 篇文獻符合資格，總計包含了 286 位病患與 340 處腦部病灶。

進一步檢視統計方法的選擇，作者採用了 雙變數隨機效應模型（bivariate random-effects model，能同時處理敏感度與特異度相關性的統計法） 來計算匯總的診斷指標。在處理這類診斷型薈萃分析時，傳統的方法容易忽略閾值效應帶來的偏差，而雙變數模型能夠精準保留敏感度與特異度之間的此消彼長關係，從而給出更貼近真實臨床表現的綜合評估。這對於只有 7 篇研究的小樣本統合分析而言，是極為必要的嚴謹作法。

在偏差風險與參考標準的檢驗上，研究團隊套用了 QUADAS-2（評估診斷型研究偏差的標準化工具）。值得注意的是，在這 286 位病患中，黃金標準的建立並非全數依賴組織病理學切片。基於醫學倫理與手術風險的考量，部分病灶的定性是依賴長期的臨床與影像學追蹤來做為最終判定（clinical-radiologic follow-up）。這種混合參考標準是神經腫瘤影像研究中常見的妥協，但也確實為最終數據的絕對客觀性帶來了微小的隱憂。

匯總敏感度 88% 與特異度 74% 的臨床意義

把焦點拉到整體的診斷數據，TRAM 展現了相當亮眼的疾病偵測能力。模型計算出的匯總敏感度達到 88%（95% CI 落於 0.72–0.95），這代表當病灶實際上是腫瘤復發時，TRAM 有將近九成的機率能夠成功捕捉到代表惡性的廓清訊號。在日常閱片中，這賦予了我們相當高的陰性預測價值——如果 TRAM 參數圖上完全沒有看到任何廓清跡象，我們就有較大的底氣告訴臨床醫師，這極可能是單純的放射性變化，可以選擇繼續追蹤。

若深入探討特異度 74% 背後的意涵，這正是放射科醫師必須格外警惕的數字。特異度的 95% 信賴區間更是寬廣，落於 0.47–0.90 之間。這高達 26% 的偽陽性率意味著，超過四分之一的放射性壞死病灶，可能因為某些局部的微血管變化或運算誤差，而在 TRAM 上表現出類似腫瘤的廓清假象。更令人擔憂的是信賴區間的下限 0.47，這暗示著在某些極端的臨床設定或特定機構的協議下，TRAM 排除非腫瘤病變的能力可能僅比擲銅板好上一些。

從整體診斷效能曲線來觀察，這 340 處病灶匯總出來的 AUC（評估整體診斷準確度的曲線下面積） 為 0.89。在神經影像學領域，接近 0.90 的 AUC 已經屬於優良等級的診斷工具，足以與現行的進階 MR 灌注技術平起平坐。然而，高敏感度與中等特異度的組合，清楚描繪了 TRAM 的臨床角色：它是一個極佳的「復發篩檢工具」，但尚不足以成為一鎚定音的「壞死排除工具」。

分析 340 處病灶次群組：軟體差異是異質性主要來源

在異質性探討的環節中，作者透過次群組分析與後設迴歸（meta-regression）試圖找出導致各研究間數據波動的原因。在眾多臨床與技術變數中，統計分析明確指出「所使用的影像處理軟體」是造成數據顯著異質性的最主要來源。TRAM 的生成並非單純的加減法，它牽涉到極為複雜的 3D 影像空間對位（registration）、運動假影校正以及訊號強度標準化。當病患在機器內躺了一個小時，即便是幾公釐的頭部偏移，如果軟體的對位演算法不夠強大，就會在邊緣產生人為的廓清或累積訊號，大幅拖累特異度的表現。

令人感到意外的是，其他我們直覺認為會影響對比劑動力學的臨床變數，在統計上均未展現顯著影響。這包含腫瘤的原始類型（無論是原發性的膠質細胞瘤還是腦部轉移瘤）、研究的整體設計（回顧性分析或前瞻性收案），甚至是距離放射線治療結束的時間長短。尤其是腫瘤類型未造成顯著差異這一點，打破了我們對原發腫瘤與轉移瘤新生血管結構截然不同的刻板印象，證實了 TRAM 所捕捉到的廓清機制，在不同惡性腫瘤間具有高度的共通性。

這項發現對未來的技術發展指出了明確的方向。既然生物學上的變數（如腫瘤種類或放療時間）並不會嚴重干擾 TRAM 的判讀，那麼阻礙這項技術大規模普及的癥結點，就完全落在工程端與標準化流程上。各家廠商或學術機構自行開發的 in-house 軟體，在閾值設定（例如要有多少百分比的體素呈現廓清才能判定為陽性）上缺乏共識，導致了特異度數據在 0.47 到 0.90 之間劇烈震盪。

TRAM 未標準化的限制與大腦影像的實務建議

不可否認的是，本研究在方法學上仍有作者自己坦承的侷限性。首先，僅有 7 篇研究符合納入標準，總病患數未達 300 人，這在統計力道上相對薄弱，也反映出 TRAM 作為一項特定技術，在全球醫學中心的普及率依然偏低。其次，缺乏統一的影像判讀標準與標準化的閾值，使得我們很難將 A 醫院的成功經驗直接複製到 B 醫院的日常工作流程中。此外，由於無法取得個別病患層級的原始數據（individual patient data），許多更細緻的病理次分型分析也無從展開。

就臨床實務的應用而言，這篇薈萃分析給了我們很好的定位。TRAM 絕對是一項有潛力的互補型神經腫瘤影像工具。當我們遇到那些 DSC（打藥後連續掃描評估腦血流灌注的技術） 因為出血產生的磁化率假影、或是因為太靠近顱底骨骼而無法準確計算相對腦血流量（rCBV）的病灶時，基於 T1 權重且較不受磁化率影響的 TRAM 就能派上用場。它利用延遲影像的特性，巧妙避開了傳統 T2* 灌注影像的先天弱點。

對於每天需要發出報告的放射科醫師來說，我們不應將 TRAM 視為取代現有協議的唯一指標。面對一個 TRAM 呈現明顯廓清的病灶，我們固然可以提高對腫瘤復發的懷疑層級，但仍必須反覆檢視常規 MRI 上的擴散受限程度、MRS 上的膽鹼峰值，以及病患近期的類固醇使用狀況。將 TRAM 視為拼圖的其中一塊，而非全貌，才是最安全且負責的判讀策略。

TRAM 呈現廓清未必等於復發，面對那 26% 的偽陽性機率，下次看片時務必將 DSC 灌注影像納入綜合考量，別讓單一參數圖決定病患是否重返手術台。