18F-FDG PET/MR-Based Individual Metabolic Network Analysis for Prognosis Assessment in Temporal and Extratemporal Lobe Refractory Epilepsy [RESEARCH]

傳統多以為癲癇手術成敗取決於病灶切除範圍，但單一受試者代謝網路分析顯示，顳葉外癲癇術後是否復發，高達 82% 的預測權重落在病灶外的遠端節點特徵，而非發病原點。

傳統影像對顳葉外癲癇的侷限與網路圖譜

評估難治型癲癇（Refractory epilepsy）的術前影像時，放射科醫師經常面臨嚴峻挑戰，尤其是在處理顳葉外癲癇（ETLE）的案例。相較於顳葉癲癇（TLE）常伴隨明顯的海馬迴硬化或結構異常，ETLE 橫跨額葉、頂葉與枕葉，其致病灶往往在常規結構性磁振造影上呈現陰性。即便安排了氟-18 去氧葡萄糖正子攝影（18F-FDG PET），傳統的視覺判讀高度仰賴醫師經驗，且容易受限於大腦皮質基礎代謝率的個體差異，導致細微的局部低代謝區域被忽略。單純尋找單一病灶的策略，已無法完全解釋為何許多患者在經歷看似完美的手術切除後，癲癇依然頑固復發。

為了解決這個臨床困境，學界近年開始引入代謝網路分析，試圖從系統性腦連結的角度來理解癲癇發作的傳遞機制。然而，過去的代謝共變異網路（Metabolic covariance network）必須依賴群體數據來建構，也就是需要一整群病患的影像才能畫出一張網路圖，這種做法在面對單一受試者走進診間時，幾乎毫無用武之地。這篇來自 Xuanwu Hospital 的研究團隊，正是為了解決這項群體到個體的轉換障礙，提出採用 ISMN（單一受試者專屬代謝網路，利用區域代謝波動建構個人腦部連結圖）技術。透過這種方法，放射科醫師能直接從單一次的 18F-FDG PET/MR 掃描中，提取出專屬於該病患的異常代謝拓撲結構，進而為個人化的預後評估提供量化依據。

從神經生理學的角度來看，癲癇並非單純的局部皮質放電，而是一種異常網路的蔓延與重組。當反覆的癲癇發作干擾了腦部正常的能量消耗模式，特定的皮質下中樞與遠端皮質區域會發生代償性或損害性的代謝改變。本研究的價值在於，它不僅證明了 ISMN 能夠在臨床實務中被穩定地建構出來，更進一步將這些複雜的圖論指標（Graph theory metrics）與術後是否達到 Engel Class I（完全無癲癇發作）的臨床結果進行連結。這意味著我們未來的影像報告，可能不再只是描述「哪裡有低代謝」，而是能夠具體指出「哪條神經代謝路徑的阻斷」將決定手術的最終成敗。

140位受試者與AAL3腦圖譜的特徵萃取

在研究設計與受試者篩選方面，團隊回溯性地收集了接受 18F-FDG PET/MR 掃描並具備完整手術切除與病理證實的難治型癲癇患者。整個世代共包含 140 位受試者，其中病患組分為 39 位 TLE 以及 33 位 ETLE，這 72 位患者皆擁有明確的致病灶（Epileptogenic zone, EZ）定位與術後追蹤資料。為了建構具備高度鑑別力的個體化網路，研究另外納入了 68 位健康對照組（HC）。值得注意的是，健康對照組被嚴格拆分為兩個子群：46 位作為參考組（Reference group，用於建立正常代謝波動的基準線），另外 22 位則作為控制組（Control group，用於驗證網路萃取方法的穩定性與再現性）。

影像處理流程首先將高解析度的結構性磁振影像進行分詞與對位，並將正子影像校正至相同的立體空間中。接著，研究採用 AAL3（自動化解剖標記第三版，將全腦精準劃分出不同功能區塊的數位圖譜）作為腦區分割的基礎。針對每一個 AAL3 劃分出的腦區，研究團隊計算其 SUVR（標準化攝取值比率，用以衡量局部腦組織相對葡萄糖代謝強度的指標），並藉由測量不同腦區間 SUVR 空間分佈的統計相似性，來定義網路中的「節點（Nodes）」與「邊緣（Edges）」。這種作法有效克服了傳統正子影像單一數值無法反映區域內異質性的缺點，將平面的代謝強度轉化為立體的代謝連結矩陣。

在數據對比與預測模型建立上，研究針對 ISMN 的節點特徵（例如節點度中心性）與邊緣特徵（區域間的連結強度）進行了詳盡的統計檢驗，比較 TLE、ETLE 與健康對照組之間的拓撲差異。為了預測手術預後，團隊採用了 SVM（支持向量機，能在高維度數據中畫出最佳分類界線的演算法），將萃取出的網路量化特徵輸入線性分類器中。這個預測模型不僅考量了傳統的臨床變數（如發病年齡、服藥種類），更將焦點放在病灶外圍及對側半球的網路重組模式，試圖找出那些隱藏在全腦代謝波動中、決定術後復發風險的關鍵神經生物學標記。

Table 2 指出的右側角回與顳下回代謝增強

當我們仔細檢視 Table 2 呈現的群體間網路特徵差異時，可以觀察到 TLE 與 ETLE 在代謝破壞上具有某些驚人的一致性。數據顯示，與健康對照組相比，無論是 TLE 還是 ETLE 患者，其右側角回（Angular gyrus, AG）與右側顳下回（Inferior temporal gyrus, ITG）的節點度（Node degree）均呈現顯著上升（p < 0.05）。這項發現極具神經解剖學意義，因為角回與顳下回是預設模式網路（Default mode network, DMN）與視覺空間處理路徑的關鍵中樞。節點度的上升並非意味著該區域代謝絕對值的升高，而是代表該區域與大腦其他部位的代謝「同步性」異常增加，這極可能是大腦為了應對反覆異常放電所產生的遠端代償機制，或是癲癇網路擴散的共用匯集點。

另一方面，邊緣特徵的分析則突顯了局部連結的退化。Table 2 清楚指出，右側前腹側顳區（Anterior ventral temporal region）與顳極（Temporal pole）之間的邊緣連結強度在病患組顯著下降。顳極在解剖上負責整合高階聽覺、視覺與情感資訊，並與邊緣系統（Limbic system）有著密不可分的白質連結。這個區域間代謝共變異性的減弱，反映了長期癲癇發作對局部微結構與突觸傳導效率的破壞。這種連結的喪失不僅解釋了患者常見的認知功能退化，也為我們在判讀 PET 影像時提供了一個全新的觀察維度：低代謝的重點不僅在於病灶本身，更在於它與相鄰節點間「失去聯繫」的現象。

除了上述的共通性改變，ETLE 患者展現了更為廣泛且變異度極高的 ISMN 異常。由於 ETLE 的原發病灶可能位於額葉、頂葉或枕葉，其放電傳遞路徑牽涉到更多樣化的皮質下結構，如視丘前腹側核（tAV）與視丘外側枕核（tPul）。數據表明，ETLE 患者的網路異常不僅侷限於患側，更頻繁地跨越腦幹與胼胝體影響對側半球。這種全腦性的拓撲擾動，正是為何 ETLE 臨床表現多樣、且術前立體定位腦電圖（SEEG）植入規劃如此困難的原因。這些具體的網路異常分佈，證實了單一受試者代謝網路分析在捕捉個體異質性上的優越敏感度。

Figure 3 呈現的顳葉與顳葉外模型權重分歧

本研究最具臨床衝擊力的結果，莫過於預後預測模型在兩種類型癲癇中展現出截然不同的特徵依賴性。若細看 Figure 3 所繪製的 SVM 模型表現與特徵權重分佈，我們會發現預測 TLE 手術成敗的關鍵，高度集中在「邊緣特徵（Edge features）」。在預測 TLE 是否能達到 Engel Class I 預後時，包含海馬旁迴（pHIP）、顳中迴（MTG）與杏仁核之間的代謝連結強度變數，其 AUROC（接收者操作特徵曲線下面積，評估預測模型綜合準確度的核心指標）高達 0.87。這代表在 TLE 中，癲癇的蔓延具有高度的公式化與解剖侷限性，只要能準確阻斷這些關鍵邊緣（如顳葉內側的短距離神經束），患者就有極高機率重獲新生。

然而，情境轉換到 ETLE 時，Figure 3 的數據呈現出完全相反的邏輯。「節點特徵（Node features）」成為主導預測準確度的核心，其單獨預測預後的 AUROC 達到 0.89，遠超邊緣特徵的貢獻。在 ETLE 預後良好的患者中，網路中樞（Hubs）的分佈往往較為集中；反之，若術前 ISMN 顯示包含扣帶迴下部（sACC）、前眶額皮質（antOFC）甚至對側頂下迴（IPG）等遠端節點出現異常高的網路介數中心性（Betweenness centrality），則這名患者術後復發的機率將呈指數型攀升。這項數據無情地指出：ETLE 真正的威脅不在於病灶周邊的局部連結，而在於整個大腦網路是否已經被重塑，產生了多個具備獨立起搏能力的次級中樞。

這個分歧的預測權重對於外科決策具有決定性的指導意義。面對 TLE，外科醫師可以更加自信地專注於標準化的前顳葉切除與杏仁海馬摘除術，因為邊緣的切斷已足夠瓦解癲癇網路。但面對 ETLE，如果 PET/MR 的 ISMN 分析顯示廣泛的節點中心性轉移，放射科醫師必須在報告中提出強烈警告。這意味著單純的局部皮質切除極度容易失敗，神經內外科團隊可能需要重新考慮是否擴大皮質切除範圍、增加 SEEG 的探測深度，或是轉而採用神經調節（Neuromodulation）如迷走神經刺激（VNS）或深層腦部刺激（DBS）作為替代治療方案。這種基於網路拓撲屬性來決定治療策略的思維，徹底顛覆了傳統「看到哪裡切哪裡」的單線邏輯。

回溯性設計的統計侷限與日常報告結合運用

在討論臨床應用落地之前，我們必須客觀審視作者在 Discussion 中坦承的數項研究限制。首先，這是一項單中心的回溯性研究，72 位手術患者的樣本量雖然在 PET/MR 領域已屬不易，但若要訓練出具備高度泛化能力的機器學習模型，仍需要多中心的前瞻性世代來驗證。其次，18F-FDG 訊號在皮質萎縮區域極易受到 PVE（部分體積效應）的干擾，雖然 PET/MR 硬體具備同步的結構性影像可進行校正，但在極度薄化的顳極皮質中，局部 SUVR 的微小誤差仍可能被網路圖論的計算過程放大。最後，由於不同病患服用的抗癲癇藥物（AED）種類與劑量各異，這些藥物對整體腦代謝基礎值的壓抑作用，依然是建構個別網路時難以完全剔除的干擾因子。

儘管有上述限制，這項研究所揭示的觀念，明天就能直接應用於我們的閱片實務中。當我們在工作站上滾動瀏覽一張難治型癲癇的 PET/MR 影像時，切勿將注意力 100% 耗費在尋找原發病灶的微小不對稱上。我們應該有意識地將視野拉寬，特別去檢查右側角回與顳下回的代謝狀態；即使這些區域的絕對攝取值看起來正常，我們也必須評估其相對周遭腦區的皮質對比度是否發生異常的「均質化」。這種皮質代謝邊界的模糊，往往就是網路同步性異常上升的早期視覺徵象。

此外，當臨床端送來一張懷疑為顳葉外癲癇的單子時，如果我們在遠端額葉、扣帶迴或甚至基底核觀察到無法以單一解剖路徑解釋的代謝改變，我們應該在報告的結論處大膽提出「具有廣泛性癲癇網路重組特徵」的警語。這不僅能提醒臨床醫師術後復發的高風險，更能促使他們在進行侵入性腦電圖評估時，將探針的佈局設計得更加全面。放射科醫師的價值，從來就不只是指出病灶的位置，而是在於我們能透過影像，提前洞察整個疾病系統的演化軌跡。

你下次判讀難治型癲癇的 PET 時，還會只盯著原發病灶尋找局部低代謝嗎？記得多看一眼角回與顳下回的對稱性，那裡可能藏著術後復發的關鍵指標。