Cross-Platform Concordance of Quantitative Amyloid PET Z-Scores in a Real-World Clinical Cohort of Patients with Cognitive Impairment and Suspected Alzheimer Disease [NEURODEGENERATIVE DISORDER IMAGING]

換套軟體算類澱粉蛋白 PET，顳葉的 Z-score 直接打七折（斜率 0.70）——這足以讓邊緣病患喪失阿茲海默症新藥的治療資格。許多醫師以為 FDA 核准的定量軟體能無縫接軌，但最新數據證明，兩大主流平台在中度斑塊區間的系統性偏差，足以動搖臨床決策。

類澱粉蛋白 PET 的 0.70 斜率與用藥資格評估

阿茲海默症的抗類澱粉蛋白單株抗體療法進入臨床後，神經影像的判讀已經從單純的視覺定性，轉變為錙銖必較的數值戰。決定病患能否接受 Lecanemab 等昂貴藥物治療的關鍵，往往取決於影像後處理軟體跑出的標準化數值。目前市場上被廣泛採用的 FDA 核准臨床軟體包含 Siemens 的 syngo.via MI Neurology 以及 MIM Software（現屬 GE Healthcare）的 MIMneuro，兩者皆能自動化計算出各腦區的 Z-score。臨床醫師普遍預期，這類通過嚴格法規審查的商用軟體，處理同一組 DICOM 檔案應該會得出高度一致的結果。然而，不同平台在腦部正則化對位、圖譜選擇與背景值扣除的演算法細節上，其實存在根本性的運算邏輯差異。當這些差異套用在真實世界的退化性腦疾病患者身上時，原本微小的演算法擾動會被放大，進而產生非對稱性的數值偏移。

探究這份來自 Weill Cornell Medicine 團隊的研究，作者們精準捕捉到了放射科與神經內科在多重軟體環境下的潛在危機。若醫療機構在升級設備或更換合約時切換了後處理平台，同一位病患的追蹤分數可能會出現非生理性的劇烈波動。這種跨平台的不一致性，不僅會干擾疾病進程的判斷，更可能在臨床試驗或真實世界用藥指引的灰色地帶，造成「假性符合」或「假性不符合」給付標準的嚴重後果。因此，驗證這兩套系統在不同疾病嚴重程度下的數值對應關係，成為建立現代失智症影像判讀指引的必要基石。本篇研究特別針對疑似阿茲海默症且伴隨認知障礙的真實世界世代，進行了背對背的交叉檢驗，為各家醫院的軟體採購與報告標準化提供了明確的數據參考。

100 位真實世界病患與 Centiloid 負擔的三階層設計

研究團隊採用回溯性設計，連續納入 100 位在單一醫學中心接受標準照護流程的認知障礙或疑似阿茲海默症病患。這群受試者的類澱粉蛋白 PET 原始影像，被平行輸入至 syngo.via MI Neurology 與 MIMneuro 兩套系統中進行自動化批次處理。為了詳盡評估區域性的數值表現，系統分別計算了六個核心大腦皮質區域的 Z-score，包含顳葉、楔前葉、後扣帶迴、頂葉、額葉以及前扣帶迴皮質。這些區域正是阿茲海默症早期類澱粉蛋白斑塊最容易堆積的解剖熱區。從統計方法來看，作者並未僅停留在簡單的相關係數，而是採用了 Bland-Altman 分析與 Deming regression（考慮 X 軸與 Y 軸雙向測量誤差的正交迴歸法） 來嚴格檢視比例偏差與常數偏差。這種設計能有效區分出軟體間的差異是來自系統性的高估/低估，還是純粹的隨機雜訊。

為了進一步釐清軟體差異與疾病嚴重度的互動關係，團隊導入了 Centiloid（將不同廠牌 PET 追蹤劑標準化的 0-100 分量表） 系統作為分層依據。病患依據其整體類澱粉蛋白負擔被劃分為三個次群組：低負擔組（Centiloid < 20）、中度負擔組（Centiloid 介於 20-30）以及高負擔組（Centiloid > 30）。這項分層設計極具臨床針對性，因為 Centiloid 低於 20 通常被視為陰性，大於 30 則高度確診為陽性，而落在 20 至 30 之間的「中度負擔組」正是視覺判讀最容易出現分歧、也是臨床決策最困難的灰色地帶。藉由對比這三個階層在兩套軟體間的表現，研究得以精準測量出在最需要電腦輔助定量的邊緣案例中，商用演算法到底有多可靠。

複合指標斜率 0.97 與次群組平均偏差負 0.44 的對比

把焦點轉向研究的初步整體數據，若僅看全腦平均的複合指標，兩套系統似乎表現得天衣無縫。Table 1 顯示全腦平均 Z-score 的 Deming 迴歸結果：斜率高達 0.97 [95% CI 0.93-1.02]，截距僅為 0.11 [95% CI -0.05-0.26]。這樣的數據表明，在不區分區域與疾病嚴重度的前提下，MIMneuro 與 syngo.via 之間幾乎沒有整體的比例偏差或常數偏差。如果醫院的管理層或非專科醫師只讀到這個段落，很容易得出「兩套軟體可以完全交替使用」的輕率結論。然而，當我們仔細檢視 Figure 2 針對不同 Centiloid 負擔層級所繪製的 Bland-Altman 分析圖時，這種表面的和平瞬間被打破，隱藏在次群組中的劇烈震盪隨之浮現。

若細探 Table 2 的分層統計，低負擔組（Centiloid < 20）的表現依然穩定，平均偏差僅有 -0.19，且 95% 吻合界限（Limits of Agreement, LoA）收斂在窄幅的 -0.93 至 +0.55 之間。但在最具臨床爭議的中度負擔組（Centiloid 20-30），兩套系統的平均偏差遽增至 -0.44，其 95% LoA 更是失控地擴散到 -2.02 至 +1.14。這意味著在邊緣案例中，同一位病患在 A 軟體可能拿到 Z-score 1.5（偏向陰性），到 B 軟體卻變成 Z-score 3.5（明確陽性）。而在高負擔組（Centiloid > 30）中，平均偏差雖然縮小至 +0.16，但 LoA 依然寬達 -1.92 至 +2.24。這些具體數字證明，當病患腦內的類澱粉蛋白斑塊進入臨界濃度時，不同演算法對背景值的敏感度與標準化攝取值的換算公式，會產生截然不同的非線性放大效應，徹底摧毀跨平台比較的基礎。

顳葉分析的 0.70 斜率與局部定量閾值的評估陷阱

除了整體負擔的差異，各個解剖腦區的局部一致性更是本篇研究的精華所在。當作者將六大腦區拆開進行獨立的 Deming 迴歸分析時，Figure 3 的數據呈現出令人擔憂的區域異質性。其中，顳葉皮質的數值偏移最為劇烈，其迴歸斜率僅有 0.70 [95% CI 0.66-0.74]，且伴隨著 0.34 [95% CI 0.07-0.61] 的常數截距。從數學意義上解讀，這代表當病患的實際斑塊負擔越重（高 Z-score 區間），MIMneuro 相對 syngo.via 系統性地低估了顳葉的類澱粉蛋白沉積量。這種高達三成的比例折損，絕非單純的統計雜訊，而是強烈暗示了兩套軟體在處理特定腦區萎縮與空間對位時存在演算法級別的分歧。

從解剖與物理層面來探討，顳葉往往是阿茲海默症患者最早發生皮質萎縮的區域之一。嚴重的皮質變薄會誘發強烈的 PVE（因皮質變薄導致 PET 訊號被低估的物理現象）。syngo.via 與 MIMneuro 採用了不同的標準化腦圖譜，且其將高齡萎縮大腦彈性形變（elastic deformation）至標準圖譜的數學模型也不盡相同。此外，局部白質訊號滲漏至灰質的修正機制差異，進一步加劇了顳葉定量結果的分歧。相較之下，後扣帶迴或楔前葉等相對寬闊且萎縮發生較晚的區域，其斜率表現就較為貼近 1.0。這項次群組發現強烈警告放射科醫師，如果臨床重點是觀察顳葉等早期熱區的細微變化，絕對不能將不同平台產出的 Z-score 直接拿來進行加減法比對。

跨平台追蹤的邊界限制與影像判讀的實務建議

回歸臨床應用層面，作者在 Discussion 中坦承了這項真實世界數據的適用邊界。首先，這是來自單一醫學中心的回溯性資料庫，受限於單一掃描儀的硬體特性與固定的正子追蹤劑種類。如果將變數擴展至不同半衰期的 F-18 或 C-11 追蹤劑，或者跨越不同世代的 PET/CT 硬體，這種軟體間的不一致性可能會被進一步放大。其次，本研究缺乏死後病理解剖的黃金標準比對，因此我們無法斷定在發生分歧的中度負擔組與顳葉區域中，究竟是 syngo.via 高估了真實病情，還是 MIMneuro 低估了斑塊數量。我們唯一能確定的是，兩者提供的 Z-score 絕對不具備互換性。

對於每天需要產出神經核醫報告的放射科與核醫科醫師而言，這篇論文提供了非常具體的操作防線。在為阿茲海默症新藥候選人進行 baseline 或術後追蹤時，報告中必須強制標註所使用的後處理軟體名稱與版本號。如果患者曾經在他院接受過 PET 掃描，且我們無法取得與前次相同的分析軟體時，切勿在報告的 Impression 中直接寫上「Z-score 較前次減少 0.5」這類極具誤導性的結論。面對 Centiloid 落在 20 到 30 之間的邊緣案例，醫師應主動在報告中聲明此區間的軟體變異度極大，並建議神經內科醫師結合 CSF 生物標記或 Tau PET 來進行綜合判斷，而非將治療資格的生殺大權單純交給電腦算出的一個數字。

當你看到跨院調閱的類澱粉 PET 報告時，別急著比較 Z-score 的小數點；先確認分析軟體是否同構，否則顳葉三成的數值落差可能會讓你誤判病患的新藥給付資格。