AMYclz与CortexID在18F-florbetapir淀粉样蛋白PET中的定量一致性：一项103例患者的回顾性研究

《Japanese Journal of Radiology》：Quantitative agreement between AMYclz and CortexID for 18F-florbetapir amyloid PET: a retrospective study of 103 patients

　　

目的：淀粉样蛋白PET图像的定量分析越来越多地被用于支持视觉判读并提供淀粉样蛋白负荷的客观测量指标。然而，定量值可能因所用分析软件而异。本研究旨在评估两种分析平台AMYclz与CortexID在¹⁸F-florbetapir淀粉样蛋白PET中的定量一致性。材料与方法：这项回顾性研究纳入了103例因认知障碍评估而接受¹⁸F-florbetapir PET的连续患者。采用视觉判读将扫描结果分为淀粉样蛋白阳性或淀粉样蛋白阴性。使用CortexID和AMYclz软件进行定量分析，获取全脑皮质标准化摄取值比（SUVr）。AMYclz额外提供Centiloid量表（CL）值。通过受试者工作特征（ROC）分析评估定量指标区分视觉阳性与阴性扫描的能力，并通过相关性、线性回归和Bland–Altman分析评估软件平台之间的一致性。结果：在103例患者中，59例被视觉判读为淀粉样蛋白阳性，44例为阴性。CortexID SUVr在淀粉样蛋白阳性患者中显著高于阴性患者（1.30?±?0.14 vs. 0.97?±?0.09, p?<?0.001）。AMYclz SUVr在两组间表现出相似的分离度（1.34?±?0.14 vs. 0.99?±?0.09, p?<?0.001）。ROC分析显示，CortexID SUVr（AUC?=?0.986）、AMYclz SUVr（AUC?=?0.996）和CL值（AUC?=?0.996）均具有极佳的分辨能力。CortexID与AMYclz SUVr值显示出强相关性（r?=?0.957），且系统偏差极小。在两个软件平台之间观察到3例（2.9%）分类不一致，均位于诊断阈值附近。结论：AMYclz与CortexID在¹⁸F-florbetapir淀粉样蛋白PET中表现出优异的定量一致性。AMYclz SUVr和CL值均显示出区分视觉淀粉样蛋白阳性和阴性扫描的极佳能力，支持了不同软件平台在临床实践中进行定量淀粉样蛋白PET分析的可靠性。

**论文解读：AMYclz与CortexID在¹⁸F-florbetapir淀粉样蛋白PET中的定量一致性**

**研究背景与问题**

阿尔茨海默病（AD）及其他认知障碍疾病的评估中，淀粉样蛋白正电子发射断层扫描（PET）已成为重要的影像学工具。2024年美国国家衰老研究所和阿尔茨海默病协会修订的诊断标准将AD定义为以淀粉样蛋白PET、脑脊液标志物或血浆生物标志物异常为特征的生物学疾病，强调可在临床症状出现前通过体内生物标志物检测到AD病理。视觉判读仍是临床评估淀粉样蛋白PET扫描的标准方法，但定量分析越来越多地被用于支持判读，尤其是在临界病例或研究应用中。然而，定量值可能因分析软件和处理流程的不同而存在差异，不同软件平台之间的一致性对于临床实施至关重要。AMYclz软件在日本临床实践中应用日益广泛，但需要与已有分析平台进行验证。因此，本研究旨在评估两种分析平台CortexID与AMYclz在¹⁸F-florbetapir淀粉样蛋白PET中的定量一致性。

**研究目的与实施**

研究人员开展了一项回顾性研究，纳入2024年8月至2026年2月期间于德岛大学医院（Tokushima University Hospital）进行¹⁸F-florbetapir脑淀粉样蛋白PET的103例连续患者，所有患者均因认知障碍或疑似AD接受评估。通过视觉判读将扫描分为淀粉样蛋白阳性或阴性。利用CortexID和AMYclz软件进行定量分析，获取全脑皮质标准化摄取值比（SUVr），AMYclz额外提供Centiloid量表（CL）值。通过受试者工作特征（ROC）分析评估定量指标区分视觉阳性与阴性扫描的能力，并采用Pearson相关性、线性回归及Bland–Altman分析评估软件平台间的一致性。结论表明，AMYclz与CortexID在¹⁸F-florbetapir淀粉样蛋白PET中表现出优异的定量一致性，支持了不同软件平台在临床实践中进行定量分析的可靠性。该论文发表在《Japanese Journal of Radiology》。

**主要关键技术方法**

本研究采用的关键技术方法包括：①回顾性队列设计，样本来源于德岛大学医院103例连续患者；②使用¹⁸F-florbetapir PET进行淀粉样蛋白成像，PET采集在注射370 MBq示踪剂后约50分钟开始，采集20分钟，采用Discovery 710/128扫描仪，使用Q.Clear算法重建；③定量分析采用两种商用软件包：CortexID（GE Healthcare）与AMYclz Neuro（PDR Pharma），均以CT图像进行解剖标准化，以小脑皮质为参考区，自动生成全脑皮质复合标准化摄取值比（SUVr）；④AMYclz基于SPM12进行MNI空间标准化并自动提供Centiloid量表（CL）值；⑤统计方法包括Student’s t检验、受试者工作特征（ROC）分析（以视觉判读为金标准，通过约登指数确定最佳截断值）、Pearson相关性、线性回归及Bland–Altman分析。

**研究结果**

**患者特征**
共纳入103例连续患者，视觉判读分为59例阳性、44例阴性。两组平均年龄相当（阳性组76.6±6.5岁；阴性组76.5±7.9岁），性别分布均衡。基线认知评估（MMSE-J和HDS-R）得分如原文表1所示。

**阳性组与阴性组之间的定量差异**
CortexID SUVr在阳性组显著高于阴性组（1.30±0.14 vs. 0.97±0.09, p<0.001）。AMYclz SUVr在阳性组同样显著升高（1.34±0.14 vs. 0.99±0.09, p<0.001）。CL值在阳性组亦显著高于阴性组（53.2±25.3 vs. -8.9±15.3, p<0.001）。

**诊断性能**
ROC分析显示所有定量指标均具有极佳诊断性能：CortexID SUVr的AUC为0.986（最佳截断值1.11，灵敏度0.915，特异度0.977）；AMYclz SUVr的AUC为0.996（最佳截断值1.15，灵敏度0.983，特异度0.955）；CL值的AUC亦为0.996（最佳截断值19.7，灵敏度0.983，特异度0.955）。由于CL值由SUVr线性变换而来，AMYclz SUVr与CL值的ROC性能指标相同，且两者在各自最佳阈值下的分类完全一致。

**软件平台间的一致性**
CortexID与AMYclz SUVr值呈强线性相关（r=0.957），线性回归方程为AMYclz SUVr = 1.007 × CortexID SUVr + 0.027。Bland–Altman分析显示两者间平均差异极小，提示系统偏差微弱。

**不一致病例**
在软件特异性最佳截断值下，CortexID与AMYclz之间仅3例（2.9%）分类不一致，所有不一致病例均位于各自截断阈值附近，提示为边界性淀粉样蛋白负荷。

**讨论与结论总结**

本研究在103例临床队列中评估了CortexID与AMYclz在¹⁸F-florbetapir淀粉样蛋白PET中的定量一致性。结果显示两者SUVr值强相关且系统偏差极小，分类一致率达97.1%。不一致病例均位于诊断阈值附近，提示定量值在临界病例中可能更具信息价值。AMYclz提供的CL值与SUVr性能相当，支持其作为跨机构标准化的工具。尽管软件在模板构建、空间标准化策略及皮质复合区定义上存在差异，但结果仍表现出高度一致性，表明在标准化采集协议下定量评估对不同平台稳健。研究局限性包括单中心回顾性设计、以视觉判读而非组织病理为金标准、仅评估¹⁸F-florbetapir一种示踪剂。结论：AMYclz与CortexID在¹⁸F-florbetapir淀粉样蛋白PET中表现出优异的定量一致性，两者均能极佳区分视觉淀粉样蛋白阳性和阴性扫描，支持定量淀粉样蛋白PET分析在不同软件平台中的可靠性和临床适用性。