一、引言：老龄化社会中的神经退行性疾病挑战

随着全球人口老龄化加剧，神经退行性疾病如阿尔茨海默病（AD）和帕金森病（PD）的发病率持续攀升。世界卫生组织（WHO）数据显示，非传染性慢性疾病已成为60岁以上老年人死亡的主要原因，占比超过80%。中国国家卫健委报告也指出，心脑血管疾病、癌症、阿尔茨海默病等是老年人主要死因，其中AD患者人数已居世界首位。

在这一背景下，早期诊断、精准评估和有效干预成为神经退行性疾病临床管理的核心。正电子发射断层扫描（PET）作为一种高灵敏度的功能影像技术，在神经退行性疾病的诊断、分期和治疗评估中发挥着不可替代的作用。

二、独立影像评阅（IRC）的必要性

国家药品监督管理局药品审评中心（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》中明确指出，在以下两类试验中应引入独立影像评阅（IRC）：

• 影像源数据质量易出现偏差的试验，尤其是多中心研究中存在的设备、操作、判读不一致问题；
• 使用特殊评估标准的试验，如需要特殊影像量化方法或借助专用软件进行处理和评估。

神经退行性疾病PET影像评估正属于上述两类情况，因此引入IRC机制至关重要，可显著提高临床试验结果的可靠性、一致性和审评通过率。

三、PET图像质量评价与质量控制

1.常见图像质量问题

PET图像质量受多种因素影响，常见的包括：

• 运动伪影：患者移动导致图像模糊；
• 设备校准不一致：不同中心、不同型号设备之间存在差异；
• 图像噪声：信噪比低影响判读；
• 脑区识别困难：尤其是灰质与白质边界不清。

2.图像质量评分系统

以Aβ-PET为例，图像质量评分标准包括：

• 脑区清晰可辨（额叶、外侧颞叶、顶叶、后扣带回/楔前叶），每区1分；
• 图像噪声在可接受范围，1分；
• 脑室轮廓清晰可辨，1分；
• 左右脑分布大致对称，1分。

总分7分，≥5分为合格，可进入独立阅片；＜5分需重新处理或剔除。

3.质量控制措施

为确保图像质量一致，需实施以下质控措施：

• Hoffman 3D脑模型扫描：模拟真实脑部结构，用于设备性能验证；
• PET/CT设备校准与归一化；
• 多中心影像调谐（Harmonization）：减少设备间差异；
• 标准化扫描协议与后处理流程。

四、多巴胺能PET显像在帕金森病中的应用

1.显像剂分类与机制

多巴胺能PET显像可根据其结合靶标分为三类：

• 合成类：如¹⁸F-Dopa、¹¹C-Dopa，评估AADC酶活性；
• 储存类：如¹¹C-DTBZ、¹⁸F-FP-DTBZ，评估VMAT2密度；
• 转运类：如¹¹C-β-CFT、¹⁸F-FP-CIT，评估DAT密度。

2.图像特征与判读

PD患者PET图像典型特征为：

双侧基底节区显像剂摄取显著；

尾状核头部与壳核呈“八”字形分布；

中脑黑质摄取次之；

大脑皮层与小脑呈本底水平摄取。

3.自动勾画与定量分析

借助AI辅助勾画系统，可自动识别感兴趣区域（ROI），计算标准化摄取值比（SUVr），提高评估的客观性和效率。

五、Aβ-PET在阿尔茨海默病中的评估实践

1.图像判读基础

Aβ-PET图像判读需重点关注：

• 灰质与白质的摄取区分；
• 小脑作为参考区域；
• 典型阳性特征：灰质摄取延伸至脑边缘，白质与皮质分界模糊。

2.RCTU与BAPL评分系统

RCTU评分（Regional Cortical Tracer Uptake）

1分：摄取低于白质；

2分：中度摄取，部分区域受累；

3分：重度摄取，全部区域受累。

BAPL评分（Brain Amyloid Plaque Load）

1分：4个区域RCTU均为1，阴性；

2分：至少1个区域RCTU为2，无3分区域，阳性（中度）；

3分：多个区域RCTU为3，阳性（重度）。

3.视觉判读与定量分析结合

尽管视觉判读仍为主流，但其主观性较强。因此，半定量与定量分析方法逐渐成为辅助手段，尤其是Centiloid（CL）标准化体系的引入，使得不同研究中心、不同显像剂的数据具有可比性。

4.Centiloid体系的意义

Centiloid是一种将Aβ沉积量标准化为0（无沉积）至100（典型AD沉积）的标度，通过线性转换实现不同图像之间的比较，极大促进了多中心研究的整合与Meta分析。

六、其他影像评估手段的辅助作用

1.结构MRI评估

• 内侧颞叶萎缩（MTA）分级：用于评估海马萎缩程度；
• Fazekas评分：评估白质病变严重程度。

2.多模态融合分析

结合PET功能影像与MRI结构影像，可更全面评估疾病进展，提高诊断准确性。

七、总结与展望

神经退行性疾病的PET影像评估是一项复杂但至关重要的工作。通过标准化流程、严格质控、客观评分体系和自动化工具的应用，可显著提升影像评估的准确性与一致性，为临床试验和新药审评提供可靠依据。

未来，随着人工智能技术的深度融合、多模态影像融合分析的进一步发展，以及国际标准（如Centiloid）的广泛采纳，神经影像评估将更加精准、高效，助力神经退行性疾病的早期诊断与治疗突破。

撰写：芦鑫淼

审核：秦维伟