8月21日，有临举办神经影像评估专题线上讲座。主持人芦鑫淼博士与焦方阳博士就阿尔茨海默病（AD）、帕金森病（PD）等神经退行性疾病的PET影像评估进行深度探讨。

主讲嘉宾焦方阳博士毕业于复旦大学附属华山医院，师从神经核医学领域大家——华山医院左传涛教授。作为lead中心核心成员及IRC专家，曾参与包括GV-971、氟贝他苯等多项AD诊疗药物的临床试验，具有丰富的神经影像评估经验。

一、神经影像评估的重要性与流程

焦博士强调，不同于肿瘤领域可通过病理结果验证，神经退行性疾病的诊断更依赖影像学生物标志物。国家药监局药品审评中心（CDE）在2021年发布的《抗肿瘤药临床试验影像评估程序标准技术指导原则》中也指出，在影像数据易出现偏差或需特殊量化方法的试验中，独立影像评估（IRC）具有重要价值。

神经影像评估是一个多步骤系统过程，焦博士强调，其中的图像质量控制环节是确保评估结果可靠性的基础。他以Aβ-PET为例，详细介绍了7分制质控标准，包括脑区清晰度、噪声水平、脑室轮廓和左右对称性等。只有评分≥5分的图像才可进入正式阅片环节。

二、 常见图像问题与解决方案

在实际操作中，图像常出现以下几类问题：

1. 分布异常：如基底节摄取不明显或本底过高，多与药物制备或注射相关；
2. 运动伪影：因患者难以长时间保持静止而导致，可通过动态帧提取、重建优化等方式缓解；
3. 配准误差：PET与CT或MRI融合错位，需手动校正；
4. 校正不足：未进行3D Hoffman脑模型校准，导致图像对比度下降。

焦博士指出，解决这些问题的关键在于全过程回溯与标准化操作，包括定期设备校准、严格患者准备、技师培训等。

三、帕金森病与阿尔茨海默病的影像评估案例

焦博士展示了多个PD患者图像，从早期到晚期，多巴胺能损害逐渐加重。值得注意的是，一旦患者出现临床症状，其多巴胺功能损害往往已超过70%。此外，PD与其他帕金森综合征（如PSP、MSA、DLB）在影像上也有特征性差异，有助于鉴别诊断。

Aβ-PET和Tau-PET是当前AD诊断和疗效评估的重要工具。焦博士重点讲解了Aβ-PET的视觉判读方法，为减少主观差异，推荐使用RCTU评分和BAPL评分系统进行标准化判读。BAPL=1为阴性，2为中度沉积，3为重度沉积。

视觉判读虽直观，但存在主观性强、一致性低等问题。焦博士介绍了半定量与定量分析方法，如SUVr和Centiloid标准化体系。Centiloid系统将无Aβ沉积的图像定义为0 CL，典型AD图像定义为100 CL，从而实现不同中心、不同显像剂之间的数据可比性。

互动问答

Q1：如何解决不同阅片专家对图像特征的主观解读差异？

观众提问：在阿尔茨海默病的IRC评估中，不同评估员/中心之间对影像特征（如Aβ沉积程度、FDG代谢异常）的主观解读差异是常见挑战。IRC在制定和培训评估员使用清晰、可操作、最小化主观性的判读标准方面，有哪些特别有效的经验或最佳实践？

A：从三个层面确保一致性：

1. 评估内容多元化：不局限于单一脑区或指标，扩展至多个关键区域
2. 方法标准化：采用人工与软件结合的方式完成定量分析
3. 专家管理：精选来自头部三甲医院的专家，定期监测阅片一致性

弱阳性区域是差异的主要来源。我们采用"两图一重排"机制，同时特别关注前额叶和侧脑室周围等易出现弱阳性的脑区，建立典型图像集用于专家培训。

Q2：IRC在影像质控中的具体角色和处理流程

观众提问：IRC在审查入组影像的质量方面扮演什么角色？对于不符合质量要求的影像，通常如何处理？

A：IRC是影像质控的最后关口，我们采取以下措施：

1. 问题图像处理：分析问题来源，尝试非重新扫描手段解决
2. 预防性质控：为重点中心提供详细影像采集标准和自查分析表
3. 流程优化：做好首例患者图像采集和及时上传质控

需制定不同显像剂的图像质量评分标准。我们正在建立分层质控标准，同时满足视觉判读和定量分析需求。

Q3：如何确保评估流程的透明度和符合监管要求？

观众提问：IRC流程的透明度和可稽查性对监管审查至关重要。在确保评估流程完全符合GCP和监管机构要求方面，最关键的控制点是什么？

A：最关键的是保证评估的可溯源性和独立性。可溯源性需要确保各中心严格按章程执行采集；独立性要求严禁任何干预行为。建议参考FDA和CDE发布的相关指导原则。

Q4：AI工具在神经影像评估中的应用前景

观众提问：如何看待AI工具代替或辅助人工视觉评估？对于用于关键疗效终点的AI量化工具，其验证标准应该达到什么程度？

A：AI辅助是发展趋势，但需理性看待：

1. 定位：AI更适合初期筛查和辅助提供定量数据
2. 验证挑战：缺乏金标准是最大挑战
3. 数据要求：需要大量高质量、多中心、多设备的数据

AI模型需满足学习量足够大、经过临床使用验证、能解决多中心数据不一致性等技术要求。

Q5：多中心数据不一致性对AI模型的影响

观众提问：不同中心、型号的扫描仪产生的影像数据差异对AI模型泛化性是巨大挑战。有哪些实用的策略或技术手段？

A：解决策略包括：

1. 数据质量前端控制：从源头确保数据可靠
2. 扩大样本量：收集更多患者数据和药物种类
3. 数据预处理：采用算法去除批次效应和中心效应

AI在神经影像评估中的应用是大势所趋，但需谨慎推进。只有在数据质量、算法验证和临床适用性三方面都达到要求，才能真正为药物临床试验提供可靠支持。

小临贴心提示

感谢收看有临直播并积极参与互动的观众，本次20位获奖名单已产生（我们将通过公众号后台与您联系），礼品也会陆续寄出。更多精彩活动，欢迎持续关注！

关于临影医药

临影医药（有临医药全资子公司）成立于2017年，总部位于上海，是第三方独立医学影像CRO (Independent Review Committee, IRC)，为创新药物临床研究提供第三方独立影像评估服务，确保试验结果的客观性和科学性，加速临床试验、注册审批的进程，助力新药上市。