基于真实模拟的定量[18F]FDG-PET分析在MRI阴性癫痫中的附加价值研究

《NeuroImage》：Added Value of Quantitative [18F]FDG-PET Analysis in MRI-negative Epilepsy: A simulation-based study using realistic ground-truths

为解决MRI阴性癫痫患者致痫灶定位困难及视觉评估存在主观差异的问题，研究人员开展了一项基于真实模拟图像的定量[18F]FDG-PET分析研究。结果表明，定量分析使诊断准确率从49.5%提升至63.5，诊断信心和观察者间一致性显著提高，尤其在复杂病例中改善更为突出，为临床精准诊疗提供了新方法。

　　

在癫痫的诊疗过程中，磁共振成像（MRI）检查结果呈阴性的患者约占40%，这类患者的致痫灶定位一直是临床面临的巨大挑战。2-[¹⁸F]氟-2-脱氧-D-葡萄糖正电子发射断层扫描（[¹⁸F]FDG-PET）能够通过显示脑部葡萄糖代谢异常来帮助定位致痫灶，通常表现为局灶性低代谢。然而，单纯依靠医师的视觉评估（Visual Read, VR）存在敏感性有限和观察者间变异大的问题。尽管当前指南已推荐将定量分析（Quantitative Read, QR）作为视觉评估的补充手段，但由于缺乏可靠的金标准，定量分析究竟能带来多大程度的改善一直难以被客观评估。

为了解决这一难题，来自西班牙巴塞罗那医院诊所的研究团队在《NeuroImage》上发表了一项创新性研究。他们采用了一种基于蒙特卡洛（Monte Carlo, MC）模拟的高保真方法，生成了125个模拟[¹⁸F]FDG-PET研究（包括100个包含不同复杂度合成低代谢灶的病例和25个对照病例），从而建立了一个具有明确“地面真实”（ground-truth）的研究数据集。这使他们能够首次在受控条件下，精确评估定量分析对[¹⁸F]FDG-PET解读准确性的提升效果。

研究的关键技术方法主要包括：利用SimPET云平台和模拟系统（SimSET）进行蒙特卡洛模拟，生成高度真实的合成PET图像；通过BrainVISET方法从健康志愿者数据中生成活动图和衰减图，并引入合成低代谢灶；使用Neurocloud PET平台进行基于体素的定量分析（采用统计非参数映射，SnPM）；最后由8名核医学医师（4名专家和4名新手）对模拟图像进行先视觉评估、后结合定量分析的评估，并报告诊断印象和诊断信心。

研究结果

3.1. 定量分析对低代谢灶识别的影响

总体成功率从视觉评估的49.5%显著提高到定量分析的63.5%。这种改善主要源于病理病例识别能力的提升（相对改善+34.0%）。在31.3%的评估中，医师在查看定量结果后改变了最初的判断，而这部分改变的判断中，成功率从16.3%大幅提升至61.0%。定量分析对所有脑叶的低代谢灶识别均有显著改善，尤其在颞叶和枕叶改善最为明显。对于视觉识别难度高的病例，定量分析带来的改善尤为突出（相对改善+71.8%）。

3.2. 观察者间一致性

定量分析显著提高了医师之间判断的一致性。对于病理病例，Fleiss‘ Kappa值从视觉评估的0.273提升到定量分析的0.475，表明观察者间一致性有了实质性改善。

3.3. 诊断信心分析

定量分析显著提升了医师的诊断信心。在那些因定量分析而改变诊断结论的病例中，具有“高”信心的评估比例从视觉评估的8.1%大幅增加到定量分析的38.5%。超过56%的评估在获得定量分析支持后诊断信心得到提升。

结论与意义

这项研究通过引入一种基于真实模拟的创新方法，首次为评估[¹⁸F]FDG-PET在MRI阴性癫痫中的诊断性能提供了可靠的金标准。研究结果强有力地证明，定量分析作为视觉评估的补充手段，能显著提高致痫灶识别的诊断准确性、诊断信心和观察者间一致性，尤其是在最具挑战性的病例中改善最为明显。这不仅为当前临床指南的推荐提供了客观证据，也为未来比较不同定量分析方法性能、优化诊断流程奠定了基础。研究者开发的模拟数据集和方法学框架，为神经影像定量研究领域提供了可重复、可控制的评估工具，有望推动癫痫精准诊疗的进一步发展。